R语言k-means预测结果簇ID如何转换为真实分类标签

• 报错Error: dataandreference should be factors with the same levels.的中文含义为：错误：预测数据和参照标签必须是含有相同层级的因子
• 你当前的pre_model输出的是1-9的簇ID，共有9个层级，而测试集标签testdata$Class只有0、1两个层级，二者层级不匹配因此无法计算混淆矩阵
• 额外隐藏问题：你调用cl_predict时直接输入了未标准化的测试集，而k-means模型是基于标准化后的训练数据训练的，会导致聚类预测结果完全失真

核心逻辑是：基于训练集的真实标签，给每个簇映射对应的0/1分类标签——如果某个簇内欺诈样本（Class=1）的占比更高，该簇就映射为1（欺诈），否则映射为0（非欺诈）

1. 统计训练集每个簇的标签分布，生成映射规则
2. 用训练集的标准化参数处理测试集特征，保证数据分布一致
3. 将预测得到的簇ID按规则转换为0/1标签，对齐测试集标签的因子层级
4. 调用混淆矩阵进行评估

library(caret)
library(clue)

# 数据读取与拆分
data = read.csv("creditcard.csv")
data$Class <- as.factor(data$Class)
data_split <- createDataPartition(data$Class, times=1, p=0.8, list=F)
train_data <- data[data_split ,]
testdata <- data[-data_split ,]

# 标准化训练集特征，保存标准化参数用于测试集处理
train_features <- train_data[-c(31)]
scaler <- preProcess(train_features, method = c("center", "scale"))
scaled_train <- predict(scaler, train_features)
scaled_train <- as.matrix(scaled_train)

# 训练k-means模型
clust <- kmeans(scaled_train, centers = 9, nstart = 25)

# -------------------------- 新增：生成簇到0/1的映射规则 --------------------------
# 给训练集样本关联对应簇标签
train_data$cluster <- as.factor(clust$cluster)
# 统计每个簇中Class=1的占比，生成映射规则
cluster_label <- aggregate(Class ~ cluster, data = train_data, FUN = function(x) {
  # 阈值可按需调整，比如要降低欺诈漏判率可以把阈值调低为0.3
  ifelse(mean(as.integer(as.character(x))) > 0.5, "1", "0")
})
# 生成命名映射向量方便后续快速替换
map_vec <- setNames(cluster_label$Class, cluster_label$cluster)
# -------------------------------------------------------------------------------

# 标准化测试集特征
scaled_test <- predict(scaler, testdata[-c(31)])
# 预测测试集样本对应的簇ID
pre_cluster <- cl_predict(clust, scaled_test)
# 将簇ID按规则转换为0/1标签，转换为和测试集标签一致的因子类型
pre_model <- as.factor(map_vec[as.character(pre_cluster)])

# 可正常调用混淆矩阵评估
confusionMatrix(testdata$Class, pre_model, positive='1')

k-means属于无监督算法，本身没有分类标签学习能力，该方案的精度上限会低于逻辑回归、XGBoost等监督学习模型，仅做无监督场景下的思路参考。

内容的提问来源于stack exchange，提问作者WILLIAM