问如何在数学上将分类结果与聚类结果进行比较

EN

聚类到两个以上的集群是进行两类分类的一种方法(只需选择每个集群中更常见的标签作为该集群的预测标签)。然而，这是一种非常奇怪的方法，因为它会忽略标签，直到计算出聚类后的最后一步。监督学习(即分类)提供了更强大的工具，如用于分类的随机森林。

不要将聚类视为分类

他们有非常不同的目标，真的不应该比较。分类是关于重现已知标签，你需要注意过拟合，训练/测试分裂等。另一方面，聚类是探索性的。任何真正的探索性方法最终都不会找到任何东西，或者只会得到明显的结果。

通过尝试以与分类相同的方式进行评估，您将“过度适应”产生明显结果的聚类方法。

相反，应该通过查看结果来评估集群。如果你从结果中学到了什么，那么它就是好的。如果你从结果中学到了什么，那么就是好的。如果没有，请重试。

不要试图在每件事上都加上一个数字

有更多的黑色，白色和50种灰色阴影。把所有的东西都放在一个数字中是一个灰色的世界视图...这很流行(“善与恶”的思维也是如此)；但在科学领域，我们应该做得更好。