我想使用 K-means 算法训练数据，然后在另一种仅删除一列的类似数据上对其进行测试。我是机器学习的新手，因此将https://www.datacamp.com/community/tutorials/k-means-clustering-python 中的代码应用于我的一个数据集，但是在这个网站中，预测部分发生在哪里？我们只是提供数据并测试准确性。我们如何将算法应用于测试数据（显然会有所不同）来预测缺失属性的值？
【问题讨论】：
当您开始使用机器学习时，您经常会遇到困惑。
来自Wikipedia：
监督学习是学习一个机器学习任务 根据示例输入输出将输入映射到输出的函数 对。它从标记的训练数据中推断出一个函数，包括 一组训练样例。在监督学习中，每个示例 是由一个输入对象（通常是一个向量）和一个 所需的输出值（也称为监控信号）。一种 监督学习算法分析训练数据并产生 一个推断函数，可用于映射新示例。一个 最佳方案将允许算法正确确定 未见实例的类标签。这需要学习 算法从训练数据泛化到看不见的情况 一种“合理”的方式（参见归纳偏差）。
同样来自Wikipedia：
无监督学习是机器学习的一个分支，它从 未标记、分类或分类的测试数据。 无监督学习不是响应反馈，而是识别 数据中的共性并根据存在或不存在做出反应 每条新数据中的这些共性。
K-means 聚类算法是一种无监督学习算法。 在无监督学习中，您没有标签，因为您没有尝试预测某些事情。相反，您正试图找到一种方法来聚类您的数据，将具有共同特征的数据点组合在一起。
首先在监督学习中使用测试集（通常是validation）的原因是评估模型的泛化属性以避免over-fitting。然而，在无监督学习中，您无法评估这一点，因为您不知道数据的实际集群。因此，没有必要使用测试集。