直接计算聚类准确率会出错，因聚类标签与真实标签无预设对应关系；需用linear_sum_assignment对齐混淆矩阵，通过补零处理非方阵，并映射重编码后计算准确率。
为什么直接算聚类准确率会出错
聚类结果的标签（比如 y_pred = [0, 0, 1, 2, 1]）和真实标签（比如 y_true = ['A', 'A', 'B', 'C', 'B']）之间没有预设对应关系。直接用 accuracy_score(y_true, y_pred) 会报类型错误，或强行转换后得到接近 0 的假准确率——因为数字 0 不等于字符串 'A'，更不保证 0 就该对应 'A'。
用 linear_sum_assignment 对齐混淆矩阵
核心是把“最大化正确匹配数”转为“最小化错误匹配成本”，而 scipy.optimize.linear_sum_assignment 只认最小化问题，所以得对混淆矩阵取负。
- 先用
confusion_matrix(y_true, y_pred)得到cm：行是真实标签顺序，列是聚类标签顺序 -
row_ind, col_ind = linear_sum_assignment(-cm)返回的是最佳映射索引对：例如row_ind = [0, 1, 2]对应真实标签第 0/1/2 类，col_ind = [1, 2, 0]表示它们应分别映射到聚类标签 1/2/0 - 构造映射字典时注意：真实标签需按
np.unique(y_true)顺序取，聚类标签按np.unique(y_pred)顺序取，否则索引错位
映射后重编码 y_pred 的实操细节
别直接用 col_ind 当新标签值——它只是索引位置，不是标签本身。你需要把聚类标签名（如 0/1/2）映射成真实标签名（如 'B'/'C'/'A'），再重赋值。
- 获取真实标签有序数组：
true_labels = np.unique(y_true) - 获取聚类标签有序数组：
pred_labels = np.unique(y_pred) - 构建映射：
mapping = {pred_labels[j]: true_labels[i] for i, j in zip(row_ind, col_ind)} - 重编码：
y_pred_mapped = np.array([mapping[x] for x in y_pred]) - 验证：检查
confusion_matrix(y_true, y_pred_mapped)的非对角线是否显著减少
容易被忽略的边界情况
当聚类数 ≠ 真实类别数时，confusion_matrix 会生成非方阵，而 linear_sum_assignment 要求方阵输入。此时必须补零扩展成方阵，但补的位置会影响映射逻辑——补在行还是列，取决于你认为“多出的聚类标签”是噪声还是新类别。
- 若聚类数 cm 后补零行，表示某些真实类未被任何聚类覆盖
- 若聚类数 > 真实类数（过聚类）：在
cm后补零列，表示某些聚类标签实际对应同一真实类，应合并 - 补零后调用
linear_sum_assignment(-cm_padded)，返回的col_ind中超出原列数的索引，应视为无效匹配，建议过滤掉或标记为“未分配”
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
