如何使用nltk (python)获取K均值集群的各个质心
NLTK（Natural Language Toolkit）是一个用于自然语言处理的Python库。它提供了各种工具和数据集，用于处理和分析文本数据。要使用NLTK获取K均值聚类的各个质心，可以按照以下步骤进行：
- 安装NLTK库：在Python环境中使用以下命令安装NLTK库：
- 安装NLTK库：在Python环境中使用以下命令安装NLTK库：
- 导入NLTK库：在Python脚本中导入NLTK库：
- 导入NLTK库：在Python脚本中导入NLTK库：
- 下载NLTK数据集：NLTK提供了各种数据集，包括用于聚类的示例数据集。可以使用以下命令下载所需的数据集：
- 下载NLTK数据集：NLTK提供了各种数据集，包括用于聚类的示例数据集。可以使用以下命令下载所需的数据集：
- 准备文本数据：准备要进行聚类的文本数据。可以是一个文本文件或一个包含文本的字符串。
- 文本预处理：使用NLTK库的各种函数对文本数据进行预处理，例如分词、去除停用词、词干提取等。以下是一个示例：
- 文本预处理：使用NLTK库的各种函数对文本数据进行预处理，例如分词、去除停用词、词干提取等。以下是一个示例：
- 特征提取：将文本数据转换为适合聚类算法的特征表示。可以使用词袋模型（Bag of Words）或TF-IDF等方法。以下是一个示例：
- 特征提取：将文本数据转换为适合聚类算法的特征表示。可以使用词袋模型（Bag of Words）或TF-IDF等方法。以下是一个示例：
- 执行K均值聚类：使用聚类算法对特征向量进行聚类。以下是一个示例：
- 执行K均值聚类：使用聚类算法对特征向量进行聚类。以下是一个示例：
以上是使用NLTK获取K均值聚类的各个质心的基本步骤。根据具体的应用场景和需求，可能需要进行更多的数据预处理和特征工程操作。关于NLTK和K均值聚类的更多详细信息和示例，可以参考以下链接：
- NLTK官方网站：https://www.nltk.org/
- NLTK文档：https://www.nltk.org/documentation.html
- NLTK教程：https://www.nltk.org/book/
- scikit-learn（用于聚类的Python库）官方网站：https://scikit-learn.org/
- scikit-learn文档：https://scikit-learn.org/stable/documentation.html
请注意，以上答案仅供参考，具体实现可能因应用场景和需求而有所不同。
相关·内容
1回答
特定节点周围图的聚类节点
、、、
考虑到来自networkx的节点图，如何应用所有节点的k均值集群，其中特定的节点被认为是集群的质心。换句话说，假设我们有这个图表：
import networkx as nx
s = [0,3,2,3,4,5,1]
t = [1,2,7,4,6,6,5]
dist = [3,2,5,1,5,4,2]
G = nx.Graph()
for i in range(len(s)):
G.add_edge(s[i],t[i],weight=dist[i])
我想在网络上应用一个k均值聚类，例如，我选择质心为3和6，然后相应地对图进行聚类，生成两个子图(或输入的质心数相同)。
我一直在查看中
浏览 2提问于2018-10-24得票数 4
回答已采纳
我已经在5000+样本上安装了一个k均值算法，使用python learn库。我想把离集群中心最近的50个样本作为输出。如何执行此任务？
浏览 9提问于2014-11-07得票数 10
回答已采纳
2回答
只是一个一般性的问题，我正试图在脑海中想象。我对使用k均值聚类相当陌生，以前在两个变量上使用过它，它创建了一个二维点图。我也知道，虽然我以前还没做过，但是你可以用x，y，z轴用三个变量绘制一个k均值集群。但是现在我的位置上有四个变量，它们的z分数标准化了，我不知道如何恰当地使用k-均值聚类。在这种情况下，我应该使用k均值集群吗？
谢谢
浏览 0提问于2019-06-27得票数 0
回答已采纳
4回答
K均值聚类中初始质心的选择
、、、、
我正致力于在Python中实现k均值集群。为数据集选择初始质心的好方法是什么？例如:我有以下数据集：
A,1,1
B,2,1
C,4,4
D,4,5
我需要创建两个不同的集群。我该怎么从质心开始？
浏览 0提问于2016-03-12得票数 7
回答已采纳
以下代码在每个运行时给出不同的结果，同时使用k均值方法将数据聚为3部分：
from numpy import array
from scipy.cluster.vq import kmeans,vq
data = array([1,1,1,1,1,1,3,3,3,3,3,3,7,7,7,7,7,7])
centroids = kmeans(data,3,100) #with 100 iterations
print (centroids)
可能取得的三个结果是：
(array([1, 3, 7]), 0.0)
(array([3, 7, 1]), 0.0)
(array([7, 3, 1])
浏览 2提问于2013-11-22得票数 3
回答已采纳
3回答
K均值聚类算法
、、、、
我想对一组10个数据点执行k均值聚类分析，每个数据点都有一个由4个数值组成的数组。我使用皮尔逊相关系数作为距离度量。我完成了k均值聚类算法的前两步，它们是：
1)选择k个簇的一组初始中心。我随机选择了两个初始中心
2)将每个对象分配到中心最近的集群。我使用皮尔逊相关系数作为距离度量--见下文
现在我需要帮助理解算法中的第三步：
3)计算集群的新中心：
其中X，在这种情况下是一个4维向量，n是集群中数据点的数量。
假设下面的数据，我该如何计算C(S)呢？
# Cluster 1
A 10 15 20 25 # randomly chosen centre
B 21
浏览 2提问于2013-03-25得票数 2
回答已采纳
我正在尝试使用NLTK KMeans集群来集群一些向量。我有一些10维向量，当我试图对它们进行聚类时，NLTK有时会给出这样的错误：
Traceback (most recent call last):
File "/home/yhz82415/workspace/Grouping/src/Driver.py", line 27, in <module>
main()
File "/home/yhz82415/workspace/Grouping/src/Driver.py", line 20, in main
KMeans(
浏览 3提问于2012-03-30得票数 1
1回答
如何使用mahout计算k均值聚类中的成本函数值？
我正在参加Coursera的机器学习课。建议在k均值聚类过程中，若要对簇进行随机初始化，则在初始簇质心值不同的情况下，对聚类进行多次计算。然后，我们应该检查成本函数的价值，以确定哪一个迭代成本是最小的。
请您建议如何计算Apache实现k-means集群的成本值？
浏览 2提问于2014-03-26得票数 3
回答已采纳
1回答
我试图为图像聚类实现改进的k_mean算法，即非常类似于k-均值。差别只是新的中心计算。
实际上，我已经初始化了集群中心，计算了像素和中心之间的距离，现在基于最小的距离，我将不得不将像素分配给集群，但这里的问题是，如何分配和存储像素到集群，我如何知道哪个像素属于哪个集群，用于新的中心计算？
浏览 3提问于2014-07-21得票数 3
我有一个简单的问题，但很有趣。如您所知，在每次运行后，由于随机初始的集群中心，Kmeans可以给出不同的结果。但是，假设我知道集群1的平均值比集群2小，集群2的平均值比集群3小，依此类推。我想要做一个算法来实现该聚类具有较小的均值，然后将它分配给小的聚类索引。
这是我的Matlab代码。如果你有更多的种类或更清晰的方式。请给我建议
%% K-mean
num_cluster=2;
nrows = size(Img_original,1);
ncols = size(Img_original,2);
I_1D = reshape(Img_original,nrows*ncols,1);
浏览 1提问于2015-08-19得票数 2
回答已采纳
我想使用k均值聚类算法来提取PCL 1.8.1中我的点的标签。根据，有一个受保护的属性PointsToClusters。对于如何访问这个属性或者如何提取集群，有什么想法吗？
谢谢!
pcl::Kmeans real(static_cast<int> (cloud->points.size()), 3);
real.setClusterSize(nominalClusterNumber);
for (size_t i = 0; i < cloud->points.size(); i++)
{
std::vector<float>
浏览 0提问于2019-05-03得票数 0
回答已采纳
1回答
我想在Scikit中做一些K均值聚类。我有9个特性，但我只想在集群中选择其中的4个，而且由于四个聚类中的每一个都是用不同的度量度量的，所以我想规范每一个要聚类的四个特性。但是，我想以原始形式列出每个数据及其各自的集群点。我该怎么办？
浏览 2提问于2014-10-11得票数 0
回答已采纳
我试图在Java中实现KMeans，并遇到了一个抛出我所有结果的案例。当给定一些随机选择的初始化质心时，数据进入一种状态，其中一个质心实际上并不定义集群。例如，如果是K=3，可能是2个质心更接近所有数据点，在这种情况下，在迭代过程中，我只会有2个集群而不是3个集群。
不过，正如我所理解的，当我们重置质心时，我们需要对每个集群的所有数据点进行汇总，并将其除以集群的大小(以获得平均值)。因此，这意味着我们将有一个大小为0的集群，并使我们的新质心成为
[0/0, 0/0, ... 0/0]
关于处理这个问题，我有两个问题：(1)如果我们失去了一个集群，我们将如何从这个问题中恢复过来？(2)是否有什么
浏览 0提问于2018-10-19得票数 1
回答已采纳
目前，我正在尝试使用KMeans集群来解决某种回归任务(预测“计数”字段的值)。这个想法是微不足道的：
在我的测试数据集中安装一个集群：
k_means = cluster.KMeans(n_clusters=4, n_init = 20, init='random')
k_means.fit(df[['DistanceToMidnight','season','DayType','weather','temp','atemp','humidity','w
浏览 5提问于2015-01-29得票数 0
回答已采纳
4回答
在使用K-均值进行聚类分析之后，我有了新的数据，我需要用这些数据来检测异常。假定异常不存在于簇内。
那么，在K-中，如何定义“集群内部”呢？
浏览 0提问于2015-07-06得票数 3
1回答
我试图在m*n数组上进行分层聚类。
输入数组: 500 * 1000 (1000个特性，500个观测)
使用自定义pdist函数计算距离矩阵
将此距离矩阵提供给链接函数:群集= sch.linkage(distanceMatrix，'single')
形成扁平簇: fc =sch.fcluster(簇，截止，‘距离’)
这给了我一些集群(大约80，使用的截止值为6.0)。现在，我也可以得到每个集群对应的1000个特征吗？(就像我们使用K均值聚类得到质心的特征一样)。
浏览 1提问于2013-02-14得票数 0
我使用nltk执行k均值聚类，因为我希望将距离度量更改为余弦距离。但是，如何获得所有集群的质心？ kclusterer = KMeansClusterer(8, distance = nltk.cluster.util.cosine_distance, repeats = 1)
predict = kclusterer.cluster(features, assign_clusters = True)
centroids = kclusterer._centroid
df_clustering['cluster'] = predict
#df_clustering['
浏览 23提问于2019-12-31得票数 0
回答已采纳
1回答
我有几个聚类算法调优有5个集群。如果新的数据不属于最初的5个集群，我想要第6个集群，在第6个集群中。
第6簇说其他类别由不属于5个聚类的所有数据点组成。
P.S.:-最初提供的任何数据都属于这5个集群。因此，假设数聚类为5的k均值算法。在推理过程中，我想添加第6簇，这样任何一个确实属于给定聚类的算法都可以根据阈值距离将其放入这个类别。我有文本数据。让我去哪种聚类算法，我应该使用dbscan，som等等。
浏览 0提问于2021-04-19得票数 0
1回答
质心不是以星系团为中心
、、、
我试图用以下代码绘制我的k-均值分析的质心和集群：
matrix_reduced = TruncatedSVD(n_components = num_k).fit_transform(matrix)
matrix_embedded = TSNE(n_components=2, perplexity=30,verbose=2, n_iter =500).fit_transform(matrix_reduced)
centroids = kmeans.cluster_centers_
centroids_embedded = TSNE(n_components=2).fit_transform
浏览 0提问于2018-03-10得票数 0
1回答
我有一个NLP问题语句，其中我使用一个Word2Vec嵌入预训练模型将关键文本转换为向量，然后在一组项上运行k均值聚类，以获得特定k的最终模型。
对于不同的术语集，我将开发一个不同的模型，我将存储到磁盘。
我的问题是，如果有一个新的术语，我想分类它应该从所有的模型指向哪一个集群，我可以遵循以下方法？
将所有模型加载到内存中，并获取它们的集群中心。
根据与以前相同的预训练模型得到新项的向量。
从每个聚类中心到新的向量的距离，无论哪一个最近的都可以被认为是获胜的聚类。
我想知道这种做法可能有哪些缺点。
我的假设是，由于向量空间与预训练模型所定义的相同，因此聚类中心将位于相同的空间中。
浏览 0提问于2020-10-06得票数 2
回答已采纳
我使用k均值算法对文档集进行聚类.
(参数为- clusters=8数，不同质心的运行次数=10)
文件数量为5800份。
令人惊讶的是，集群的结果是
90%的文档属于集群-7(最终集群) 9%的文档属于群集-0(第一组)。
其余6个簇只有一个样本。这可能是什么原因？
浏览 9提问于2014-11-07得票数 0
回答已采纳
1回答
我使用Python2.7实现了K均值++聚类，并按照中给出的方法得到了集群的质心。
在我的问题中，还有一个进一步的限制，即任何质心到任何节点之间的距离应该大于一个常数。最好的方法是什么？
有可能一个质心离几个节点太近了。
关于如何让质心移动一点，有什么建议吗？
非常感谢。
例如，待集群的节点为: MyNodes = [469500、5802610、468764、5803422、467991、5804202、470260、5799949、469486、5800730、468713、5801510、467939、5802291、467166、5803072、467966、5800204、46719
浏览 2提问于2014-03-24得票数 2
回答已采纳
2回答
你们中有谁知道在Excel中不使用VBA是否有可能实现集群算法，比如k-均值，dbscan？？
如果可能的话，你能给我一点帮助吗？(举个小例子可以帮助我)
非常感谢你的努力
克劳德
浏览 4提问于2012-09-18得票数 2
1回答
如何计算由像素构成的集群的质心？
我用它们的红色、蓝色和绿色值来表示像素(例如，pixel(116 133 55))。
质心应该是集群中实例的平均值，但是如何计算象素之间的平均值？
[我试图计算每种颜色的平均值(质心“red”=sum_red_象素值/像素数等等)，但给出了错误的结果]
如果有任何帮助的话，我是用欧几里德距离函数。
浏览 2提问于2017-05-09得票数 2
回答已采纳
我使用以下代码创建集群。我想得到每个向量属于每个簇的概率。怎么做？
import numpy as np
from nltk import cluster
from nltk.cluster import euclidean_distance
vectors = [np.array(f) for f in [[3, 3], [1, 2], [4, 2], [4, 0]]]
clusterer = cluster.KMeansClusterer(2, euclidean_distance)
clusters = clusterer.cluster(vectors, assign_cluste
浏览 2提问于2016-07-01得票数 0
2回答
我希望基于一个数据集对节点进行聚类，该数据集由每个节点在不同时间的不同读数组成。
下面是我的数据的一个例子：
1.0000 21.0860 46.1968 2.3000 2.3568
1.0000 21.0762 46.0326 0.9200 2.3568
1.0000 21.0664 45.9669 0.9200 2.3568
2.0000 89.5488 29.2581 11.9600 1.9537
2.0000 19.5670 39.6878 121.4400 2.6753
2.0000 1
浏览 8提问于2017-09-20得票数 1
2回答
我用k均值为我的数据集(150万个样本和800个特性)制作了集群。我知道评估集群的内部指数。然而，我正在考虑训练一个监督分类模型(例如随机森林分类器)，其中聚类数是因变量，所有其他特征都是自变量。使用这个模型的准确性是对k均值聚类的一个很好的评价吗?为什么？
浏览 0提问于2018-08-13得票数 1
2回答
我可以很容易地使用KMeans计算集群成员数：
open System
open System.IO
open Utils
open Accord
open Accord.Math
open Accord.MachineLearning
let vals = [|
[|1.0; 2.0; 3.0; 2.0|]
[|1.1; 1.9; 3.1; 4.0|]
[|2.0; 3.0; 4.0; 4.0|]
[|3.0; 3.1; 2.0; 3.0|]
[|2.0; 4.0; 3.0; 6.0|]
[|1.0; 5.0; 5.0; 7.0|]
浏览 0提问于2016-12-20得票数 9
回答已采纳
1回答
我正在用一组时间序列数据在K均值聚类中尝试K的不同变体。对于每个实验，我想总结每个集群标签的时间序列，并对它们进行预测。 例如:如果我将时间序列分成3个集群，我想要将属于集群1的所有时间序列(按列)和属于集群2的所有时间序列相加，对于集群3也是如此。之后，我将对每个聚合的时间序列集群进行预测，但我不需要关于预测部分的帮助。 我在考虑将集群标签添加到原始数据帧中，然后使用.loc和一个循环来提取与相同集群相对应的时间序列。但我想知道是否有更有效的方法？ import pandas as pd
from datetime import datetime
import numpy as np
fr
浏览 6提问于2020-07-03得票数 0
回答已采纳
虽然我已经看到了相当多的与此相关的问题，但我没有真正得到答案，可能是因为我是使用nltk集群的新手。我真的需要一个关于聚类的新手的基本解释，特别是关于NLTK K均值聚类的向量表示以及如何使用它。我有一个像猫，狗，猫，小狗等单词的列表和另外两个单词列表，如食肉动物，草食动物，宠物等和哺乳动物，家养等。我想能够集群后两个单词列表基于第一个使用第一个作为手段或质心。我试过了，我收到的AssertionError是这样的：
clusterer = cluster.KMeansClusterer(2, euclidean_distance, initial_means=means)
File &#
浏览 0提问于2013-07-05得票数 1
2回答
我编写了一个函数，它以data、K和n (迭代次数)作为输入执行k均值集群。我可以设置n=100，以便函数计算欧几里得距离，分配集群和计算新的集群质心100倍，然后才能完成。当将此结果与sklearn的KMeans (使用相同的data和K)进行比较时，我得到了相同的质心。
我希望我的函数只运行到收敛(以避免不必要的迭代)，因此它不再需要迭代次数作为输入。为了实现这一点，我使用了一个while循环，而在我最初的函数中，我使用了迭代n次数的for循环。我的代码的一般步骤如下：
centroids.Calculate 随机创建质心，并将每个数据点与上面生成的质心之间的欧氏距离存储在变量centro
浏览 7提问于2021-12-10得票数 0
根据Mahout in Action
和k-均值一样，模糊的k-均值循环在数据集上，但是它没有给最近的质心分配向量，而是计算点到每个簇的关联程度。
如果不将向量分配给最近的质心，那么在下一次迭代中如何计算质心呢？
浏览 0提问于2012-04-09得票数 1
回答已采纳
2回答
我正在浏览我发现的算法列表，并尝试实现它们以达到学习目的。现在，我正在编码K均值，并在下面的混淆。
您如何知道原始数据集中有多少个集群？
除了所有质心必须不同之外，我在选择初始星系团质心时是否有任何特定的格式？例如，如果我选择不同但相近的集群质心，那么算法会收敛吗？
如有任何建议，将不胜感激。
谢谢
浏览 2提问于2014-12-20得票数 0
1回答
我使用R的kmeans指令在数据集中执行k-means算法。我有一个关于我去的一些参数的问题。结果是：
Cluster means:
Sepal.Length Sepal.Width Petal.Length Petal.Width
1 5.006000 3.428000 1.462000 0.246000
在这种情况下，集群意味着什么？它是集群内所有物体距离的平均值？
同样在最后一部分，我有：
Within cluster sum of squares by cluster:
[1] 15.15100 39.82097 23.87947
(between_S
浏览 2提问于2013-01-25得票数 5
回答已采纳
我正在脚本中运行MiniBatchKMeans，并输出我得到的集群中心。现在，在另一个脚本中，我想用这些集群中心计算测试集的分数。我试过这样做：
mbk = MiniBatchKMeans(n_clusters=k, init=cluster_centers)
print mbk.score(X)
但我得到了这个例外
AttributeError: Model has not been trained yet.
如果不训练模型，我怎么能得到k均值的分数呢？
浏览 2提问于2014-05-13得票数 1
回答已采纳
1回答
我试图复制这论文的结果，但是使用python和HMMlearn库来代替matlab。本文介绍了一种利用隐马尔可夫模型( HMM )预测股票价格的方法。
本文详细介绍了用四态5混合高斯分布作为模型.转移概率和初始状态概率是一致的，但发射概率是根据现有股票价格数据集的k均值算法的结果来确定的。
后半部分是我陷入困境的地方，本文建议使用k-均值算法返回的每个聚类的均值、方差和权重作为混合算法每个组分的均值、方差和权重。据我所知，星系团的平均值只是每个质心的中心，但是我不知道你如何获得方差或权重。
给出一个三维数据集X(以[[a, b, c], [d, e, f]...]的形式)，并使用k-均值算法，
浏览 0提问于2016-04-28得票数 2
回答已采纳
1回答
用K-均值聚类计算和表示质心
、、、、
我目前被困在学校的练习中。这项工作如下。
我们将考虑在berg20051中描述的野生人脸数据的子集。使用loadmat函数加载通配面数据、数据/通配面。每个数据对象是一个40*40*3=4800维向量，对应于一个3色40*40像素的图像.用K=10集群计算数据的k均值聚类.从数据集以及相应的集群质心中绘制一些随机图像，以查看它们是如何表示的。
[1]塔玛拉·L·伯格、亚历山大·C·伯格、雅蒂·爱德华兹和达·福赛斯。照片里的人。神经信息处理系统的进展，17:137-144,2005年。
对于我的问题，我如何计算一个图像的质心？我目前能够显示脸和计算数据集的质心。我不明白的是，我如何知道哪
浏览 3提问于2017-11-26得票数 0
回答已采纳
假设我有一个矩阵A，它的大小是2000*1000 double。然后将Matlab在函数"kmeans"中的构建应用于矩阵A。
k = 8;
[idx,C] = kmeans(A, k, 'Distance', 'cosine');
我得到C = 8*1000 double；idx = 2000*1 double，值从1到8；根据文档，C返回k-by-p (8 by 1000)矩阵中的k个集群质心位置。idx返回一个包含每个观测结果的集群索引的n-by-1 vector。我的问题是：
1)我不知道如何理解C，质心的位置。地点应该表示为(x,y)，
浏览 6提问于2015-08-05得票数 1
回答已采纳
我正在Vertica测试机器学习工具。我理解KMEANS是如何工作的，因为它只是将数据划分为集群。但是，我不明白APPLY_KMEANS是如何处理新数据的。在我看来，它更像是一种分类方法。因为它对现有集群中的新数据进行了分类。那么使用什么算法(K最近邻)？从文件上看不太清楚。
浏览 3提问于2017-01-24得票数 0
回答已采纳
4回答
我正在研究机器学习，并且用Python编写了一个K均值算法实现。它采用二维数据并将它们组织成簇。每个数据点还具有0或1的类值。
该算法让我困惑的是，我如何使用它来预测另一组二维数据的一些值，这些数据没有0或1，而是未知的。对于每个簇，我应该将其中的点平均为0或1，如果未知点最接近该簇，则该未知点采用平均值？或者有没有更聪明的方法？
干杯!
浏览 0提问于2011-11-19得票数 8
回答已采纳
2回答
聚类中的K均聚类顶项
、、、
对于集群文档，我使用python聚类算法。我创建了一个术语文档矩阵
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans
vectorizer = TfidfVectorizer(tokenizer=tokenize, encoding='latin-1',
stop_words='english')
X = vectorizer.fit_transf
浏览 2提问于2017-11-23得票数 4
回答已采纳
2回答
我最近被介绍了集群技术，因为我的任务是根据我的大学教授必须回答的一项调查，找到他们的“个人资料”或“模式”。我一直在研究一些可用的选项来实现这一点，我遇到了k-means聚类算法。因为我的大多数数据都是分类的，所以我必须执行一次热编码(将分类变量转换为0-1个单列向量)，然后在Excel上进行相关分析，以排除一些冗余变量。在这之后，我使用python和pandas，numpy，matplotlib和sklearn库来执行最优的簇数检查(肘法)，然后运行k-means，最后。 这是我用来导入带有教授调查数据的.csv的代码，并运行elbow方法： # loads the .csv datafr
浏览 39提问于2020-06-21得票数 0
1回答
在MATLAB版本的K-均值算法中，有一个非常有用的标志，表示如果一个集群在优化过程中丢失了所有成员的观察，那么要采取的行动。在MATLAB中有三种可能性：
将空群集视为错误
删除所有变为空的群集。
创建一个由离其质心最远的一点组成的新集群。
在这种情况下，有谁知道DAAL K-的意思是什么？我在这方面的文件里找不到任何东西。
浏览 3提问于2018-04-05得票数 1
回答已采纳
2回答
我正在寻找一种用python将一个二维数组分割成n个集群的方法。我想使用K均值方法，但我没有找到任何代码。我尝试使用sklearn库的k-means，但我不知道如何正确使用它。
浏览 4提问于2017-02-23得票数 0
1回答
当我在K-Means上阅读这篇时，当我需要将对象分配到集群时，我迷路了。在计算到每个对象的质心距离后，如何计算other中的最小距离，以便将对象分配到最近的集群？
浏览 0提问于2013-02-18得票数 0
1回答
我一直在研究这个适合于Python教程上k-means集群的数字数据集，其中一些代码只是让我感到困惑。
我理解这一部分，我们需要用10个集群来训练我们的模型。
from sklearn.datasets import load_digits
digits = load_digits()
digits.data.shape
kmeans = KMeans(n_clusters=10, random_state=0)
clusters = kmeans.fit_predict(digits.data)
kmeans.cluster_centers_.shape
下面显示控制台上10个集群质心的输
浏览 15提问于2022-06-02得票数 1
回答已采纳
2回答
我正在通过python中的sklearn进行kmean聚类。我想知道如何更改生成的kmean集群的标签名。例如：
data Cluster
0.2344 1
1.4537 2
2.4428 2
5.7757 3
我想要达到
data Cluster
0.2344 black
1.4537 red
2.4428 red
5.7757 blue
我无意通过打印直接设置1 -> black; 2 -> red。我想知道，在默认
浏览 0提问于2020-09-02得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
