如何使用skleans的KMeans查看n_init的每次迭代的集群质心
sklearn是一个流行的机器学习库，其中的KMeans算法可以用于聚类分析。在使用sklearn的KMeans算法时，n_init参数用于指定算法运行的次数，每次运行都会得到不同的初始质心，最终选择最优的聚类结果。
要使用sklearn的KMeans查看n_init的每次迭代的集群质心，可以按照以下步骤进行操作：
- 导入所需的库和模块：from sklearn.cluster import KMeans import numpy as np
- 准备数据集：X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
- 创建KMeans对象并设置参数：kmeans = KMeans(n_clusters=2, n_init=5)其中，n_clusters参数指定要生成的聚类数量，n_init参数指定算法运行的次数。
- 运行KMeans算法：kmeans.fit(X)
- 查看每次迭代的集群质心：for i in range(kmeans.n_init): print("Iteration", i+1, "Centroids:", kmeans.init[i])其中，kmeans.initi表示第i次迭代的质心。
通过以上步骤，你可以使用sklearn的KMeans算法查看n_init的每次迭代的集群质心。需要注意的是，以上示例中的代码仅用于演示目的，实际使用时需要根据具体情况进行调整。
推荐的腾讯云相关产品：腾讯云机器学习平台（https://cloud.tencent.com/product/tcml）提供了丰富的机器学习和数据处理服务，可用于支持使用sklearn等工具进行数据分析和模型训练。
相关·内容
在Matlab和Python环境中，Kmeans的输入如下：
input = [1.11, 0.81, 0.61, 0.62, 0.62, 1.03, 1.16, 0.44, 0.42, 0.73, 0.74, 0.65, 0.59, 0.64, 0.98, 0.89, 0.62, 0.95, 0.88, 0.60, 0.61, 0.62, 0.62, 0.64, 0.98, 0.90, 0.64]
Matlab:
[idx, C] = kmeans(input',3,'Start',[0.3;0.9;1.5]);
输出
C = [0.596, 0.825, 1.035
浏览 1提问于2020-10-07得票数 2
回答已采纳
我目前正在尝试查看由n_init的每个迭代确定的每个KMeans迭代的创建的质心(集群中心)。到目前为止，我可以查看最终结果，但我希望在每次迭代中都能看到这些结果，这样我就能够在每次迭代中使用init=‘KMeans’和预设聚类中心时报告随机结果的差异。以下是我当前所拥有的简单示例\
#Creating model for Kmeans
Model=[]
Model=KMeans(n_clusters=5,max_iter=10,n_init=10)
#Data trials below represents my data for model training
Model.fit(Data
浏览 0提问于2018-08-06得票数 4
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
1回答
我使用sklearn Kmeans算法将多个观察值分组到4个集群中，并且我包含了init_state和seed来获得相同的结果；但每次我在google colab中重新加载代码，每次运行训练时，我都会在每个集群中的观察值数量方面获得不同的结果，代码如下： import numpy as np
np.random.seed(5)
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=4,init='k-means++',n_init=1,max_iter=3000,random_state=354)
浏览 9提问于2020-07-06得票数 0
回答已采纳
2回答
k-means集群中的术语数
、、、、
我需要知道k-means生成的集群中的术语数量。
我甚至可以在这个链接上找到一个可能的解决方案，内容失败。
下面是我的代码：
vect = TfidfVectorizer(input='filename', stop_words=stopwords_list, encoding='utf8', ngram_range=(1,2), min_df=3)
tf_idf_matrix = vect.fit_transform(list_of_files)
print(tf_idf_matrix)
kmeans_6 = KMeans(n_clusters=17, n_i
浏览 28提问于2021-06-01得票数 2
1回答
做聚类分析，我如何手动定义某个聚类中心？例如，我想说我的集群中心是1,2,3和3,4,5，现在我想把我的向量聚集到预定义的中心。
有点像kmeans.cluster_centers_ = [[1,2,3],[3,4,5]]？
为了解决我的问题，我要做的就是自动取款机：
number_of_clusters = len(vec)
kmeans = KMeans(number_of_clusters, init='k-means++', n_init=100)
kmeans.fit(vec)
它基本上为每个向量定义了一个集群。但我需要很长时间才能计算出来，因为我有成千上万的向量/句
浏览 2提问于2020-02-13得票数 1
回答已采纳
2回答
我试着在科学学习中做k-均值聚类。代码：
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters = 10)
x = df.values
kmeans.fit(x.reshape(-1, 1))
如果参数为n_init = random，则选择随机初始质心。有没有办法获取最初使用的质心？
浏览 2提问于2016-11-23得票数 3
回答已采纳
如何将两个节点作为质心传递给sklearn.kmeans(n_clusters，init，.)而不是随机或kmeans++？算法‘KMeans’= KMeans(n_clusters=k_clusters，init=‘随机’，n_init=200)
浏览 8提问于2022-01-08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
我很难解释cluster_centers_数组输出的结果。
考虑以下MWE：
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris
import numpy as np
# Load the data
iris = load_iris()
X, y = iris.data, iris.target
# shuffle the data
shuffle = np.random.permutation(np.arange(X.shape[0]))
X = X[shuffle]
# scale X
X
浏览 2提问于2020-04-13得票数 2
回答已采纳
3回答
我使用以下代码通过sklearn.cluster.KMeans中的KMeans实现集群
from sklearn.cluster import KMeans
num_clusters = 60
km = KMeans(n_clusters=num_clusters, init="k-means++", n_init = 100)
%time km.fit(newvec)
clusters = km.labels_.tolist()
为了避免局部极小值，我使用n_init = 100。还可以做些什么来避免陷入局部极小值。我很感谢你的帮助。
浏览 3提问于2017-05-05得票数 0
1回答
我正在使用kmeans2算法从枕木到聚类图像中的像素颜色，以获得图像中的最高平均颜色。
我对这个参数的含义感到困惑：
iter : int
Number of iterations of the k-means algrithm to run. Note that this differs in meaning from the iters parameter to the kmeans function.
如果我想要在集群不改变之前运行kmeans算法，我会将iter值设置得很高吗？有办法找到最好的iter值吗？
浏览 1提问于2013-07-13得票数 1
回答已采纳
1回答
在PCL教程中，我们可以学习如何分割平面和提取欧几里德聚点云。所以现在，在我使用pcl::EuclideanClusterExtraction算法之后。我需要每个星系团的质心或平均位置。
使用pcl::EuclideanClusterExtraction，我需要用for循环计算质心。搜索之后，我发现了pcl::Kmeans，它直接提供了一个函数get_centroids()来获取集群的质心：。
现在我有点糊涂了。pcl::EuclideanClusterExtraction和pcl::Kmeans之间真正的应用程序有什么不同？在分析了源代码之后，pcl::EuclideanClusterExt
浏览 5提问于2020-10-20得票数 0
回答已采纳
2回答
K均值聚类前的主成分分析
、、、、
如果我将PCA应用于特征向量，然后进行聚类，如下所示：
reduced_data = PCA(n_components=2).fit_transform(data)
kmeans = KMeans(init='k-means++', n_clusters=n_digits, n_init=10)
kmeans.fit(reduced_data)
减少的数据将是PCA的组成部分，所以在用k均值聚类之后，您可以得到每个点(reduced_data)的标签，如何从原始数据中知道哪一个点呢？
关于集群的数量，如何处理多个PCA组件？谢谢。
浏览 0提问于2017-02-27得票数 4
我将我的聚类中心投影到两个主成分上，但给出的图不在我的两组数据点的正确中心位置。我的代码如下所示。有没有人看到我哪里错了？PCA很好，但是集群的一个数据点还差得很远。我要提到的是，我的质心数据点有一半是负的。我已经尝试过反pca变换，真的不确定错误是从哪里来的。任何帮助都是非常感谢的！
import numpy as np
import sklearn
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
data = normaliz
浏览 0提问于2015-04-07得票数 0
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
下面是一些代码：
df_tr_std = stats.zscore(df_tr[clmns])
km = KMeans(n_clusters=3, init='k-means++',n_init=10,max_iter=300,tol=1e-04,random_state=0)
y_km = km.fit_predict(df_tr_std)
我试过引用inertial_，但这是完全失真的。下面的代码用于计算各个距离：
distance = euclidean_distances(km.cluster_centers_, df_tr_std)
但是它将距离划分为3个数组(或者
浏览 1提问于2018-03-01得票数 4
回答已采纳
4回答
这也许是个愚蠢的问题，但我找不到答案。我对kmeans还没有完全的数学理解，所以如果是的话，我很抱歉。
我只是在想，为什么当我改变一个kmeans图中的星系团数时，我会看到一个不同的图？
下面是我正在使用的代码：
set.seed(1)
k <- kmeans(data, centers = x)
plotcluster(data, k$cluster)
我改变了x来看看情节是什么样子的。下面是x=3和x= 4的结果。
我想知道，如果我只是改变集群的数量，为什么这两幅图看起来都不一样。这是因为正在显示的主组件dc1和dc2在更改x时是不同的，从而使显示的方差最大化吗？
另一个快速的问题是
浏览 0提问于2019-06-24得票数 1
2回答
K表示结果不佳。
、、、、
我有几个用户名和他们的薪水。现在，我需要根据用户的工资对他们进行集群。我正在使用KMeans集群，下面是我的代码
from sklearn.cluster import KMeans
from sklearn.preprocessing import LabelEncoder
import pandas as pd
le = LabelEncoder()
data = pd.read_csv('kmeans.data',header=None, names =['user', 'salary'])
# Numerical conversion
浏览 0提问于2016-03-16得票数 1
回答已采纳
1回答
如何使用高斯混合模型进行聚类？
、、、、
我一直在使用k-Means将数据聚类为2类。然而，现在，我想使用一种不同的方法，使用高斯混合模型将数据聚类到两个类别中。我已经阅读了Scikit-Learn文档和其他SO问题，但我无法理解如何在我目前的上下文中使用GMM进行2类聚类。 我可以很容易地使用k-Means将数据聚类为2类，如下所示： import pandas as pd
from scipy import stats
from sklearn.cluster import KMeans
import numpy as np
df = pd.read_pickle('my_df.pkl')
clmns = df
浏览 31提问于2019-03-15得票数 0
如果我已经有了一个可以作为初始质心的numpy数组，我如何正确地初始化kmeans算法？我正在使用scikit-learn Kmeans类
这篇文章()指出，如果我使用numpy数组作为初始质心，我只需要设置n_init=1，但我不确定我的初始化是否正常工作
Naftali Harris出色的可视化页面显示了我正在尝试做的事情
“I‘’ll”--> "Packed“--> run kmeans
#numpy array of initial centroids
startpts=np.array([[-0.12, 0.939, 0.321, 0.011], [0.0, 0.
浏览 2提问于2016-07-13得票数 9
回答已采纳
1回答
根据我对K-均值聚类的理解，k被选择，质心位置被选择，样本被分配，然后质心移动到样本的平均值，直到没有更多的运动。
所以在这个例子中，如果选择3个质心的位置为(5,1)，(5,10)和(5,20)，会发生什么？我期望所有的样本都分配给(5,1)质心，然后移动到数据的平均值(5,0)，算法将结束于属于一个聚类的所有样本(其他质心不移动，并且有一次迭代)。
但是，当我在Python中使用KMeans实现这一功能时，它的行为不像这样：
In [3]: xa = [1,2,3,4,5,6,7,8,9,10]
...: xb = [0,0,0,0,0,0,0,0,0,0]
...:
浏览 13提问于2022-01-11得票数 2
我使用预期的代码输出集群的结果。这个值在“集群中心”中意味着什么，我应该如何解释这些数据？
kmeans = KMeans(n_clusters = 4).fit(df)
print("Number of clusters: ", kmeans.n_clusters)
print("-"*70)
print("Cluster Centers: ", '\n', kmeans.cluster_centers_)
Number of clusters: 4
--------------------------------------
浏览 4提问于2022-01-02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
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
我尝试使用星星之火的mllib方法，但是任务挂在"collectAsMap at KMeans.scala:302“的舞台上。我的代码是用python写的。有人能告诉我在每一个阶段都发生了什么吗，如“收集在KMeans.scala:436"，”聚合在KMeans.scala:404"，"collectAsMap at KMeans.scala:302“
浏览 4提问于2017-09-15得票数 0
回答已采纳
我有一个矩阵：
x = [2+2*i 2-2*i -2+2*i -2-2*i];
我想模拟它的传输和添加噪音到它。我代表复数的组成部分如下：
A = randn(150, 2) + 2*ones(150, 2); C = randn(150, 2) - 2*ones(150, 2);
在接收端，我收到以下向量，其中组件是根据我最初发送的内容(即x的组件)排序的。
X = [A A A C C A C C];
现在我想应用kmeans(X)来拥有四个集群，所以kmeans(X, 4)。我遇到了以下问题：
我不确定是否可以表示上面X中所示的复数。
我无法绘制kmeans的结果来显示集群。
浏览 0提问于2014-11-30得票数 1
回答已采纳
1回答
我正在使用k-均值对文章进行聚类，而且它运行得很好。现在，我想定义初始中心，以得到更合理的结果。
我的Python代码：
tfidf_matrix = tfidf_vectorizer.fit_transform(articles)
X = np.array([[-19.67480000, -8.546],
[22.010807000,-10.9737],
[11.959700000,19.2701],
[12.254700000, 11.2381],
[16.649700000,-15.2251
浏览 3提问于2017-01-05得票数 0
我需要计算由另一个集群在不同数据集中生成的聚类中心的标签，而不是原始的集群对象。
我知道我可以像这样用python硬编码
def compute_labels(centers,datapoints):
ans=[]
for point in datapoints:
ans.append(
min(
((i,np.linalg.norm(point-center)) for i,center in enumerate(centers)),
key=lambda t:t[1]
浏览 0提问于2020-03-10得票数 1
回答已采纳
4回答
有人能解释一下WEKA中K-Means聚类的输出是什么意思吗？
例如
kMeans
Number of iterations: 9
Within cluster sum of squared errors: 9434.911100488926
Missing values globally replaced with mean/mode
Cluster centroids:
Cluster#
Attribute Full Data 0 1
浏览 1提问于2011-04-26得票数 8
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
我想对我的文本数据执行聚类。为了找到最佳的文本预处理参数，我制作了管道并将其放入GridSearchCV中：
text_clf = Pipeline([('vect1', CountVectorizer(analyzer = "word"),
('myfun', MyLemmanization(lemmatize=True,
leave_other_words = True)),
(&#
浏览 0提问于2018-03-26得票数 5
我使用下面的代码来使用Scikit学习创建k-means集群。
kmean = KMeans(n_clusters=nclusters,n_jobs=-1,random_state=2376,max_iter=1000,n_init=1000,algorithm='full',init='k-means++')
kmean_fit = kmean.fit(clus_data)
我还使用kmean_fit.cluster_centers_保存了质心。
然后我把K的意思是物体腌制。
filename = pickle_path+'\\'+'
浏览 5提问于2017-04-06得票数 2
回答已采纳
1回答
我需要一个聚类算法，它像kmeans一样返回质心。我一直在尝试使用kmeans，但我知道，取决于集群的形状，有时这并不好。
我知道matlab包含分层聚类，但这会返回每个点所属的簇的索引，而不是质心。
浏览 0提问于2014-09-04得票数 0
我有一个二维图表示的数据点，如下所示。
1,1
1,2
2,1
2,2
3,3
8,8
9,8
8,9
9,9
编辑：Now, if I have two initial given clusters, let's say (1,1) and (2,1), I want to use K means to decide the clusters based on Euclidean Distances with termination condition of 3 iterations.
我的方法是创建一个熊猫数据帧，应用具有2个簇的kmeans，并注意质心。
import panda
浏览 0提问于2018-03-29得票数 0
1回答
我尝试使用kmeans算法将227行数据聚在5个集群中。每次我运行我的代码时，我都会得到不同的标签和不同的集群，这使得我以后的分析变得有点棘手。
有人告诉我要使用参数:随机状态，以便在我的结果中有一个繁殖力。我做到了。我有相同的星系团，但仍然没有相同的标签。正常吗？有办法得到同样的标签吗？
下面是我的代码：
测试sur 5簇
# Data
X = df.iloc[:,1:]
myseed = 10
# Modèle kmeans à 5 clusters
km = KMeans(n_clusters=5, random_state=myseed, n_init=30)
# Fitting
浏览 0提问于2019-03-23得票数 3
1回答
我是ML和pandas/scipy的新手，所以请耐心听我说。我正在尝试使用sklearn.cluster KMEANS模块运行K-means聚类，但我没有从聚类中获得预期的结果。 我正在处理的数据集是一个64x6830的基因组数据矩阵。行是特定的癌细胞系，列是表达值。 我标准化了数据，使标准差为1，平均值为0。 在dataframe中，数据如下所示： 0 1 2 3 4 5 \
Cancer Types
浏览 19提问于2021-10-04得票数 0
回答已采纳
1回答
我有一个在svmlight格式的数据文件上做集群的python脚本。我使用函数sklearn.datasets.load_svmlight_file从数据文件加载数据。我知道这个函数返回一个稀疏矩阵。我需要散点图的集群，有没有人可以帮我。这就是我所做的：
import sklearn.datasets
import sys
from sklearn.cluster import KMeans
dataFilename = sys.argv[1]
X, y = sklearn.datasets.load_svmlight_file(dataFilename)
kmeans = KMeans(n_
浏览 2提问于2020-07-09得票数 0
我有一个文本列表，我已经执行了tfidf和kmeans集群，我如何访问离kmeans集群中心最近的文本。
text=['this is text one','this is text two','this is text three',
'thats are next','that are four','that are three',
'lionel messi is footbal player','kobe bryant is basket ball
浏览 22提问于2019-07-18得票数 1
回答已采纳
1回答
集群最有效的方式是什么？
、、、、
我使用了kmeans来聚类我的数据。现在，我想对集群进行聚类，以便集群由第一轮集群中的单个集群组成。
最小可重现性示例：
# create dataframe
n1 = 336
n2 = 200
x_list = np.array(range(0, n1))
y_list = np.array(range(0, n2))
x_list = np.repeat([x_list], n2, axis=0).flatten() # width
y_list = np.repeat(y_list, n1, axis=0).flatten() # height
# normalize x, y to a
浏览 7提问于2022-05-10得票数 0
1回答
我正在尝试用选定的初始质心进行k-means聚类。它写着来指定你的初始中心：
init : {‘k-means++’, ‘random’ or an ndarray}
如果传递了ndarray，它的形状应该是(n_clusters，n_features)，并给出初始中心。
我的Python代码：
X = np.array([[-19.07480000, -8.536],
[22.010800000,-10.9737],
[12.659700000,19.2601]], np.float64)
km = KMeans(n_cluster
浏览 0提问于2015-03-05得票数 11
回答已采纳
我正在尝试在OpenCV 2.3.1中实现kmeans来寻找集群的中心。我有一个存储在convertedImg中的彩色阈值二进制图像，希望找到四个集群中每个集群的中心坐标。
TermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER，(convertedImg，4，labels，kmeans 10，1.0)，10，KMEANS_PP_CENTERS，centers)；
我不确定如何从OutputArray中心获得中心的坐标，它看起来是一个4x320的Mat。提前感谢您的帮助！
浏览 0提问于2012-01-27得票数 0
回答已采纳
1回答
在处理数据集时，我使用了k均值聚类，并希望了解特性/变量的中值。
data = pd.DataFrame({'Monetary': rfm_m_log,'Recency': rfm_r_log,'Frequency': rfm_f_log})
matrix = data.as_matrix()
kmeans = KMeans(init='k-means++', n_clusters = 2, n_init=30)
kmeans.fit(matrix)
clusters_customers = kmeans.predict(
浏览 2提问于2017-12-14得票数 1
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
我已经实现了以下代码
k_mean = KMeans(n_clusters=5,init=centroids,n_init=1,random_state=SEED).fit(X_input)
k_mean.cluster_centers_.shape
>>
(5, 50)
我有5组数据。
星系团是如何排列的？是表示labels 的集群中心的索引吗？
表示位于cluster_center位置的0th索引是否表示标签=0？
浏览 4提问于2020-03-05得票数 4
回答已采纳
我正在使用scikit learn的using算法来对评论进行聚类。
sentence_list=['hello how are you', "I am doing great", "my name is abc"]
vectorizer=TfidfVectorizer(min_df=1, max_df=0.9, stop_words='english', decode_error='ignore')
vectorized=vectorizer.fit_transform(sentence_list)
km=K
浏览 6提问于2014-12-21得票数 7
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
3回答
我已经在Doc2Vec模型的文档嵌入上拟合了Kmeans模型来对嵌入进行聚类，并获得可视化，以及每个集群中最常见的术语。我已经能够做到这一点，并得到相同的可视化每次。
当我在模型上运行kmeans.fit_predict时，它根据我指定的与文档嵌入数量相同长度的集群给出了一个集群标签列表。当多次运行模型时会出现此问题，每次运行都会给每个集群带来相似的传播，但是集群标签在多次运行后会发生变化。例如,
运行1- 0:100，1:100，2:10 运行2- 0:99，1:101，2:10 运行3- 2:100，0:100，1:10 Run 4- 0:100，1:100，2:10
我试着保存模型并多次
浏览 5提问于2020-01-30得票数 1
回答已采纳
我使用K均值聚类绘制了一些数据点。屏幕截图可以在"https://imageshack.com/i/pomMJXMkj“上找到。当我可视化这些数据点时，可以清楚地看到许多点不在它们各自的集群中，这个绿色的点是其中一个远离其质心的点，显然非常接近蓝色质心。根据K-Means算法，该点被添加到具有最近质心的聚类中。但为什么这里不是这样呢？ 下面提到了以下可视化的代码，数据集的链接是"https://github.com/Vivek-Nimmagadda/Player-Prediction-Using-Python/blob/master/Bowlers/Bowlers.csv&#
浏览 17提问于2019-05-02得票数 0
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
