大家好。我是一个正在学习机器学习的初学者，请原谅我提出这样一个简单的问题。我从UCI机器学习库中获取了一份数据集。于是，我开始应用各种无监督算法，其中也包括K-means聚类算法。当我打印出准确率得分时，它是负的，不止一次，而是多次。据我所知，得分通常不会是负的。那么，你们能帮我解释一下为什么会是负的吗？

任何帮助都将不胜感激。

    import pandas as pdimport numpy as npa = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data', names = ["a", "b", "c", "d","e","f","g","h","i"])b = ac = b.filter(a.columns[[8]], axis=1)a.drop(a.columns[[8]], axis=1, inplace=True)from sklearn.preprocessing import LabelEncoderle1 = LabelEncoder()le1.fit(a.a)a.a = le1.transform(a.a)from sklearn.preprocessing import OneHotEncoderx = np.array(a)y = np.array(c)ohe = OneHotEncoder(categorical_features=[0])ohe.fit(x)x = ohe.transform(x).toarray()from sklearn.model_selection import train_test_splitxtr, xts, ytr, yts = train_test_split(x,y,test_size=0.2)from sklearn import clusterkmean = cluster.KMeans(n_clusters=2, init='k-means++', max_iter=100, n_init=10)kmean.fit(xtr,ytr)print(kmean.score(xts,yts))

谢谢大家！！

回答：

聚类不是分类。

请注意，fit方法中的’y’参数是被忽略的。K-means总是会预测0,1,…,k-1。因此，它在这个数据集上永远不会做出正确的标签，因为它甚至不知道标签应该是什么样子。将你在分类中所做的事情直接转移到聚类上是行不通的。你需要从头开始重新学习。不同的工作流程，不同的评估方法。