Sklearn NMF соответствует порядку категорий ввода ⇐ Python

[Anonymous]

Я использую факторизацию неотрицательной матрицы (NMF) в sklearn для неконтролируемого прогнозирования категорий (с метками для проверки точности), но столкнулся с проблемой, заключающейся в том, что у меня нет четкого сопоставления между входными категориями и преобразованными категориями. .
Например, если мои категории — «A», «B» и «C» (n_comComponents=3), я не знаю, в каком порядке будут преобразованные категории. Я могу вручную распечатать данные, связанные с каждым выходным объектом, чтобы определить, на какой входной объект они больше всего похожи, но я ищу автоматическое решение.
Есть ли для этого удобный метод, или мне нужно это сделать? нужно угадать и проверить, какой порядок категорий обеспечивает максимальную точность (очень медленно для большого количества категорий)?

Подробнее здесь: https://stackoverflow.com/questions/786 ... gory-order