拥有大量集群的KMeans
KMeans是一种常用的聚类算法，用于将数据集划分为多个具有相似特征的簇（cluster）。下面是关于拥有大量集群的KMeans的完善且全面的答案：
概念： KMeans是一种迭代算法，它将数据集分为k个簇，其中每个数据点都属于距离最近的簇。该算法的目标是最小化簇内数据点之间的平方距离总和。KMeans是一种无监督学习算法，因为它不需要事先标记的训练数据。
分类： KMeans属于聚类算法，用于对数据进行无监督的分类。
优势：
- 简单而高效：KMeans算法是一种简单且高效的聚类算法，它的时间复杂度相对较低。
- 可解释性：KMeans算法生成的簇往往具有良好的可解释性，可以帮助我们理解数据的结构和模式。
- 可扩展性：KMeans算法可以很好地处理大规模数据集，适用于拥有大量集群的场景。
应用场景： KMeans算法在各个领域都有广泛的应用，包括但不限于：
- 市场细分：通过对用户行为数据进行聚类，可以将用户细分为不同的市场群体，帮助企业进行精准营销。
- 图像分割：将图像像素点聚类为不同的簇，可以实现图像分割、物体检测等应用。
- 文本分类：通过对文本数据进行聚类，可以将文本分为不同的主题类别，帮助实现文本分类、情感分析等任务。
推荐的腾讯云相关产品： 腾讯云提供了一系列云计算相关的产品和服务，其中与KMeans相关的产品是腾讯云机器学习平台（Tencent Machine Learning Platform，TMLP）。TMLP是一个全面支持机器学习和人工智能任务的平台，提供了丰富的机器学习算法和工具。通过TMLP，用户可以轻松地使用KMeans算法进行聚类分析。具体产品介绍和链接地址可参考腾讯云官网。
这是关于拥有大量集群的KMeans的完善且全面的答案。希望能对您有所帮助。
相关·内容
1回答
我有一个熊猫数据帧的时间。
0 2020-08-01 23:59:59
1 2020-08-01 23:59:49
2 2020-08-01 20:52:17
3 2020-08-01 19:02:34
4 2020-08-01 18:38:06
我想要添加一个列，我想通过创建一个集群来对其进行索引。例如。如下所示：
0 2020-08-01 23:59:59 1
1 2020-08-01 23:59:49 1
2 2020-08-01 20:52:17 2
3 2020-08-01 19:02:34 3
4 2020
浏览 0提问于2020-09-13得票数 0
我正在做一个分析网页访问电子商务网站的项目。它监视数值、数值离散(连续数，但只有整数)和范畴变量。
我的理解是，由于KMeans采用均值和对数字/距离进行计算的性质，它对分类变量的效果不太好。我也不认为它适用于数值离散值，因为当不应该有这些离散值的分数时，它会用小数来解释它们。
下面是我如何运行sklearn的KMeans的代码，用剪影得分测量k个集群，并使用最高得分的k集群。我创建了一个名为cluster_df的数据each，它只包含来自原始数据each的数值特性，然后为每个集群分离数据：
from sklearn.preprocessing import StandardScaler
sc
浏览 0提问于2019-09-11得票数 3
回答已采纳
我尝试过CountVectorizer + KMeans，但是我不知道集群的数量。当我使用KMeans方法时，计算中的集群数花费了很多时间。NMF还需要事先确定组件的数量。
浏览 6提问于2017-05-11得票数 2
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
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
我正在做kmeans，并试图绘制多个集群。
我有以下代码，其中X是我的数据点数组：
centroids, ks = kmeans2(X,3)
colors = ['r', 'g', 'b']
plt.scatter(X[:,0],X[:,1], c=np.choose(ks, colors))
plt.show()
当尝试用3个集群进行绘图时，一切都很好。
当试图绘制计算4个集群时，我收到一个错误：
plt.scatter(X[:,0],X[:,1], c=np.choose(ks, colors))
File "/usr/
浏览 7提问于2014-06-09得票数 0
回答已采纳
我正在尝试使用clusplot来可视化kmeans集群。是一个具有[0,1]值的对称相似矩阵(1087行)。由于某些原因，clusplot只会为特定的n值生成一个n集群图。对于n的其他值，它将返回以下错误：
library(cluster)
simmy = read.csv("reinventthewheel.csv", header=TRUE, row.names=1)
disty = dist(1-simmy)
kay19 <- kmeans(disty,19)$cluster
par(mfrow=c(3,2))
clusplot(disty, diss=TRUE,
浏览 4提问于2014-05-07得票数 2
回答已采纳
我正在学习如何使用Pythons Scikit-Learn库进行集群。我有一个句子(字符串)的列表。我想知道，字符串的长度是否会影响silhouette_score。
例如，我有从2个单词到35个单词的句子，我尝试了从2到60个集群的数量，我得到的最大的silhouette_score是7。这会影响到silhouette_score吗？最好是过滤我的数据，这样我就可以选择比字数更接近的句子，例如，将字数从20-25或5-10设置为？
我的代码是这样的：
list_of_comments = data
#cv = TfidfVectorizer(analyzer = 'word'
浏览 0提问于2019-09-07得票数 1
回答已采纳
1回答
我想使用3种以上的特性来运行kmeans集群。我尝试了两个特性，并想知道如何向sklearn.cluster KMeans提供3个以上的特性。
下面是我想要选择要运行的特性的代码和dataframe。我有多个数据文件作为输入，我必须提供它们作为特性。
# currently two features are selected
# I'd like to combine more than 3 features and provide them to dataset
df_features = pd.merge(df_max[['id', 'max']],
浏览 0提问于2017-08-28得票数 0
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
2回答
我正在使用sklearn.cluster KMeans包，并试图为每个集群获取SSE。据我所知，kmeans.inertia_将给出所有集群的SSE之和。是否有任何方法为sklearn.cluster KMeans包中的每个集群获取SSE？
我有一个数据集，它有7个属性和210个观测结果。集群的数目为3，希望计算每个集群的SSE。
浏览 0提问于2021-03-09得票数 2
回答已采纳
1回答
你好，我有两个数组，如下所示：
print("list of clusters",y_pred[:10]
print("list of comments",listComments[:10])
产出：
list of comments ['hello This', 'Fabiola hello', 'I am using', ...
list of clusters [ 2 11 2 2 11 2 2 2 2 2]
集群列表是在对“注释列表”的每个注释应用kmeans构建的，因此这两个列表具有相同
浏览 4提问于2016-12-17得票数 0
回答已采纳
1回答
我在KMeans的帮助下定义了集群的特性：
x = df_1.iloc[:, np.r_[9:12,26:78]]
并运行代码以获得6个集群：
kmeans = KMeans(n_clusters = 6)
kmeans.fit(x)
现在，我希望在我的初始数据集中有一个编号为(df_1("new") =.)的列:1用于集群1中的数据组，2用于集群2中的数据组，等等。
我该怎么做呢？
谢谢!
浏览 2提问于2021-06-19得票数 0
回答已采纳
1回答
如下图所示，我有星团。
📷
数据为2d :误差和时间两个参数。我尝试使用以下聚类算法: 1) kmeans:集群是球形的。这个algo聚在一起如下：
📷
。克密斯确实根据需要形成了集群。2)dbscan:问题--我有不同密度的簇。它将每个数据点分配给有噪声的聚类，即给每个点分配一个-1的标签。3) GMM:这也没有按需要对数据点进行聚类。它执行类似于kmeans的聚类。4)亲和性传播是一种内存错误。
请有人建议一种为每个视觉上可分离的集群分配不同标签的方法。
浏览 0提问于2019-06-19得票数 0
2回答
用k均值聚类方法提取蟒蛇的质心？
、、、、
我有一些数据在一维数组中，形状为1000，其中包含1000个元素。我在这个数据上应用了k均值聚类，其中10个作为集群的数目。在应用k-均值之后，我得到了每个集群的形状为1000的集群标签(id's)和形状为10的质心。标签数组为每个1000个元素分配0到9之间的值。但是，我希望每个元素都显示它的质心，而不是它的集群id。
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=10)
kmeans.fit(data) #data is of shape [1000,]
#learn the labels and t
浏览 1提问于2017-11-14得票数 2
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
当我对大量数据进行集群时，很难运行KMeans并等待它停止，直到中心没有改变，所以当KMeans达到最大迭代次数时，我必须停止它。问题来了:我如何评估这个KMeans对我的数据的影响。我知道我可以得到惯性_KMeans拟合后我的数据来查看样本到他们最近的集群中心的距离之和。但是如何在KMeans拟合之前得到KMeans，并将其与KMeans拟合后的inertia_进行比较，这样我就可以看到KMeans对我的数据的改进。
浏览 0提问于2016-10-18得票数 1
回答已采纳
1回答
我正在使用这个简单的脚本来使用sci-kit学习来集群数据。
from sklearn.cluster import KMeans
import pandas as pd
import matplotlib.pyplot as plt
X = pd.read_csv('TestData.csv')
est = KMeans(n_clusters=10)
Y = pd.DataFrame(est.fit_predict(X))
frames = [X,Y]
Out = pd.concat(frames, axis = 1)
这给了我以下输出：
(feat1) (fea
浏览 7提问于2016-01-27得票数 1
回答已采纳
在spark.mllib库中，KMeans具有在构建Kmeans实例时设置epsilon参数的功能。
但是我没有在Kmeans新的Spark.ml库中看到任何用于设置此参数的函数。我询问的原因是因为新的KMeans生成的集群数量少于我在setK()方法中指定的数量，因此我希望通过减少epsilon来增加生成的集群数量。
有人知道如何在新的Spark.ml Kmeans类中设置epsilon吗？
org.apache.spark.ml.clustering.KMeans
谢谢。
浏览 11提问于2017-06-17得票数 1
回答已采纳
在Weka中使用Kmeans时，可以对模型的结果输出调用getAssignments()，以获得每个给定实例的集群分配。下面是一个(截断的) Jython示例：
>>>import weka.clusterers.SimpleKMeans as kmeans
>>>kmeans.buildClusterer(data)
>>>assignments = kmeans.getAssignments()
>>>assignments
>>>array('i',[14, 16, 0, 0, 0,
浏览 1提问于2012-09-17得票数 5
回答已采纳
1回答
我使用PyCluster的kMeans来集群一些数据--很大程度上是因为SciPy的kMeans2()产生了无法克服的错误。。无论如何，PyCluster kMeans运行良好，我现在正在尝试优化kMeans集群的数量。PyCluster附带的文献表明，我可以通过实现EM算法-- --来优化它的kMeans，但是我找不到一个例子。
有人能给我指个PyCluster k-means优化问题吗？提前感谢您的帮助。
浏览 1提问于2013-05-16得票数 2
回答已采纳
1回答
我试图在1428点的三维坐标DataFrame中聚集点。星系团是相对平坦的平面，是拉长的云。它们是非常明显的集群，所以我希望尝试无监督的集群(不包括预期的集群数量) KMeans没有正确地将它们分开，并且确实需要集群的数量：。
数据如下：
5 6 7
0 9207.495280 18922.083277 4932.864
1 5831.199280 3441.735280 5756.326
2 8985.735280 12511.719280 7099.844
3 8
浏览 2提问于2021-01-26得票数 2
回答已采纳
1回答
我有这个dataframe (text_df)：
有10种不同的作者，有13834行文本。
然后，我创建了一个单词包，并使用了如下所示的TfidfVectorizer：
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf_v = TfidfVectorizer(max_df=0.5,
max_features=13000,
min_df=5,
sto
浏览 0提问于2018-08-28得票数 0
回答已采纳
1回答
查找特定k-表示群集的大小。
、、、、
我在这个问题上已经有一段时间了，我只是找不到一种方法来获取特定集群中的数据点数。到目前为止，我的情况如下：
第一个块输出我的8个集群中每个集群中的数据点数：
def CountFrequency(my_list):
freq = {}
for item in my_list:
if (item in freq):
freq[item] += 1
else:
freq[item] = 1
for key, value in freq.items():
prin
浏览 0提问于2019-09-16得票数 0
回答已采纳
1回答
通过使用scikit学习中的K-方法，我将我的数据聚集到了3个集群中。我想要绘制一个线条图，它将有多个颜色，这取决于它所在的集群。当集群中没有数据时，我该如何弥补空白呢？
kmeans = KMeans(n_clusters=3)
kmeans.fit(nocutoff_diffdf_windowed2d)
y_kmeans = kmeans.predict(nocutoff_diffdf_windowed2d)
plt.scatter(nocutoff_diffdf_windowed2d[:, 0], nocutoff_diffdf_windowed2d[:, 1], c=y_kmeans)
浏览 9提问于2022-04-16得票数 1
回答已采纳
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
2回答
我对科学知识很陌生，但我想尝试一个有趣的项目。
我在英国有经度和纬度点，我用它来创建集群中心，使用scikit学习KMeans类。为了可视化这些数据，而不是将这些点作为集群，我想要在每个集群周围划出边界。例如，如果一个集群是伦敦，另一个是牛津，我目前在每个城市的中心都有一个点，但是我想知道是否有一种方法可以使用这些数据创建一个基于我的集群的边界线？
下面是到目前为止创建集群的代码：
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
location1="XXX&
浏览 0提问于2018-03-18得票数 3
回答已采纳
我很难理解什么是labels和centres，特别是OpenCV的kmeans()函数。
我知道kmeans会在数据样本中找到k个集群。centres参数告诉我每个集群的中心/质心。
但是，当我试图检查时，标签是和，它说我有2行3列，但是我运行的是有6个集群的kmeans --那么“中心”不应该有6行(每个集群有1行)吗？最后，检查中心的值是输出浮点值-它们不应该是索引(ints)吗？如数据示例数组的索引中所示。
在运行kmeans之后，我如何才能得到集群中心(以数据坐标表示)？最终，我试图找出最常见的颜色--所以我假设的集群中心是BGR/HSV/Lab值，这取决于我的Mat类型？
kmean
浏览 6提问于2016-08-31得票数 0
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
2回答
我有一个300×2的数据矩阵，也就是两个变量的300次观测。使用R中的kmeans函数，我可以用以下方式绘制生成的集群：
data <- scale(data)
fit.kmeans <- kmeans(data, 3)
plot(data, col = fit.kmeans$cluster)
这提供了一个不错的二维的原始数据，颜色由集群。是否有使用hclust函数进行相同操作的简单方法？或者，是否还有另一个函数可以让我实现不同的聚类方法，并随后绘制出生成的集群？提前谢谢。
浏览 0提问于2018-05-17得票数 0
回答已采纳
1回答
我希望你能帮我解决我的问题。我正在尝试使用kmeans算法来检测异常值。首先，我执行算法，并选择那些离其聚类中心有很大距离的对象作为可能的异常值。我不想使用绝对距离，而是使用相对距离，即对象到集群中心的绝对距离与集群中所有对象到其集群中心的平均距离之比。基于绝对距离的异常值检测代码如下：
# remove species from the data to cluster
iris2 <- iris[,1:4]
kmeans.result <- kmeans(iris2, centers=3)
# cluster centers
kmeans.result$centers
# cal
浏览 1提问于2014-05-07得票数 7
1回答
打印每组的图像
、、、
我使用sklearn来形成图像簇，我在打印每个集群的图像时遇到了困难。
我有一个np数组序列的维数：(10000,100,100，3)
然后我把图像压平，这样每一行都呈现出一个图像。列车尺寸：(10000,30000)
我申请了KMeans。
从sklearn.cluster导入ndimage KMeans = KMeans(n_clusters=10，random_state=0)集群=kmeans.fit_predict(列车) centers = kmeans.cluster_centers_
在此之后，我要打印每个星系团的图像，
浏览 0提问于2019-08-12得票数 1
回答已采纳
2回答
这是我从kmeans scikit文档和一篇讨论kmeans的博客文章中放在一起的kmeans算法的实现：
#http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
#http://fromdatawithlove.thegovans.us/2013/05/clustering-using-scikit-learn.html
from sklearn.cluster import KMeans
import numpy as np
from matplotlib import pyplot
X
浏览 0提问于2017-01-18得票数 2
1回答
K-方法中缺少的簇
、、、
我试着用k均值算法来分析一个数据集，在python中使用scikit-learn。
有没有人遇到过比所要求的更少的集群的问题？
用输入
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=4)
我的样本只在群集0，1和2中，第3组从未出现。
当最后有一个空的集群时，算法难道没有意识到它可以作为新的集群(-center)接受任何样本吗？
浏览 3提问于2022-07-09得票数 0
我无法用所需的彩色集群来绘制图形。每个点都属于特定的集群，因此每个集群都应该有特定的颜色，但如图所示，我无法得到所需的颜色。如何修改代码以获得预期的结果和一个很好的集群。
pca_ = PCA(n_components=3)
X_Demo_fit_pca = pca_.fit_transform(Demo_df_Processed)
kmeans_PCA = KMeans(n_clusters=4, init='k-means++', max_iter= 300, n_init= 10, random_state= 3)
y_kmeans_PCA = kmeans_PCA.
浏览 0提问于2018-08-23得票数 3
回答已采纳
1回答
我使用这段代码来集群我的文档。图形输出如下所示：
我正试图实现一种打印出这些集群所基于的最常见的单词的方法。用gensim d2v可以吗？
kmeans_model = KMeans(n_clusters=3, init='k-means++', max_iter=100)
X = kmeans_model.fit(d2v_model.dv.vectors)
labels=kmeans_model.labels_.tolist()
l = kmeans_model.fit_predict(d2v_model.dv.vectors)
pca = PCA(n_component
浏览 8提问于2022-04-19得票数 0
回答已采纳
我使用相同的数据训练了两个模型，KMeans模型如下所示：
int numIterations = 20;
int numClusters = 5;
int runs = 10;
double epsilon = 1.0e-6;
KMeans kmeans = new KMeans();
kmeans.setEpsilon(epsilon);
kmeans.setRuns(runs);
kmeans.setMaxIterations(numIterations);
kmeans.setK(numClusters);
浏览 3提问于2016-05-24得票数 1
回答已采纳
我有一项任务要在SAS服务器上运行K均值聚类算法，但是内存不足。数据集是500 g，我知道我可以对它进行采样以适应内存，但是如果我想对整个数据运行模型，Oracle R Enterprise (ORE)会对我的问题有所帮助吗？
与矿石和ORCH有关的其他相关问题：
Oracle R包是否包含任何聚类算法？是否有可用Oracle R软件包的列表？
如果我在Oracle R Enterprise中运行kmeans算法( run包)，我也会遇到内存问题吗？
BDA中是否有用于在分布式Hadoop集群上运行的R集群包？
谢谢
浏览 3提问于2012-05-31得票数 1
1回答
无法绘制一维数据的K均值聚类
、、、、
我正在尝试在我的二进制分类任务中实现K-Means算法，但我无法绘制得到的两个集群的散点图。 我的数据集只有以下形式： # size, class
312, 1
319 1
227 0 最小的例子： import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.cluster import KMeans
X = {'size': [312,319,227,301,273,311,277,291,303,381],
浏览 17提问于2021-07-07得票数 0
回答已采纳
我对聚类是个新手，我正在学习文本聚类。我找到了一种方法来创建集群，现在我正在尝试找到一种方法来绘制它们。这是我想要绘制集群时得到的错误：
ValueError: setting an array element with a sequence.
这是我的代码：
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
x = ['this is very good show' , &
浏览 8提问于2019-08-20得票数 1
我训练了一位Kmeans模特：
kmeans = KMeans(k=20, seed=1)
df.show()
kmeans_model = kmeans.fit(df)
我只想简单地计算一下每个集群中有多少个元素，但是我找不到一个简单的方法来实现它。
浏览 3提问于2021-03-15得票数 0
回答已采纳
1回答
在我的数据中，我的用户有一个喜欢列表，我已经将这些相似的内容转储到每个用户的单个文件中，并希望对它们进行聚类。除了输出在多个集群中有相同的相似之处外，一切都正常工作。我的理解是k手段应该是排他性的。我想问题可能在于我是如何转储数据的。在我可以写一个自定义令牌之前，我已经暂时没有空格的所有的喜欢。下面是我正在运行的内容(从红宝石脚本)。
system("#{MAHOUT_CMD} seqdirectory -c UTF-8 -i data/users -o data/kmeans/converted")
system("#{MAHOUT_CMD} seq2sparse -
浏览 1提问于2011-05-14得票数 2
2回答
这是我在kmeans之前的向量-
> sort(table(mydata))
mydata
23 7 9 4 10 3 5 8 2 1
1 3 3 4 5 6 6 6 7 9
km <- kmeans(mydata, centers = 10)
在kmeans之后-
> sort(table(km$cluster))
km$cluster
1 6 7 3 5 2 4 10 8 9
1 3 3 4 5 6 6 6 7 9
显然，我所有的1都存储在集群9中，所有的2都存储在集群8中，依此类推。
我
浏览 0提问于2015-10-25得票数 0
我已经创建了一个用于集群的函数，该函数应用于各种数据格式和列。我希望有一个一致的集群排序，按平均值排序。
例如，以下集群的排序是可以的：
0: 1.5
1: 2.0
3: 2.5
对于下面的集群是不合适的：
0: 2.0
1: 1.6
2: 1.2
它应该是
0: 1.2
1: 1.6
2: 2.0
将所选列分组为群集的函数如下：
from sklearn.cluster import KMeans
from sklearn.preprocessing import robust_scale
def get_clustered_values(df, column_value, column_
浏览 6提问于2022-02-19得票数 0
1回答
我知道这里还有很多其他的问题，比如问什么聚类算法可以用于一维数据，但是我的问题是如何计算平衡的集群呢？
我有一份清单
l = [46, 48, 68, 46, 48, 68, 63, 62, 63, 63, 69, 54, 64, 61, 66, 54, 64, 67, 46, 48]
我知道我需要3组。但是使用KMeans聚类会给我
l = np.array(l, dtype=np.int16)
l = np.expand_dims(l, axis=1)
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3)
lab
浏览 2提问于2021-04-09得票数 0
回答已采纳
目前，我正在尝试使用KMeans集群来解决某种回归任务(预测“计数”字段的值)。这个想法是微不足道的：
在我的测试数据集中安装一个集群：
k_means = cluster.KMeans(n_clusters=4, n_init = 20, init='random')
k_means.fit(df[['DistanceToMidnight','season','DayType','weather','temp','atemp','humidity','w
浏览 5提问于2015-01-29得票数 0
回答已采纳
我想知道与集群中心关联的ID是什么。model.transform(dataset)将为我的数据点分配一个预测的集群ID，model.clusterCenters.foreach(println)将打印这些集群中心，但我不知道如何将集群中心与它们的ID相关联。
import org.apache.spark.ml.clustering.KMeans
// Loads data.
val dataset = spark.read.format("libsvm").load("data/mllib/sample_kmeans_data.txt")
// Trai
浏览 1提问于2017-11-10得票数 0
回答已采纳
1回答
我有以下使用python形成的集群，我想标记集群中的点。我不知道该怎么做。
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
a = [262,562,733,335,544,259,682,423,769,444]
b = [19516842,16927322,14067158,12541731,10993709,10851871,10557379,10200356,10198000,9470625]
P = [list(item) for item in zip(a,b)]
kmeans
浏览 0提问于2015-11-30得票数 1
1回答
我有下面的脚本，我可以用它来使用kmeans找到集群的最佳数目。如何使用EM集群技术而不是kmeans更改以下脚本。
可复制的例子：
ourdata<- scale(USArrests)
感激不尽！
wss <- (nrow(ourdata)-1)*sum(apply(ourdata,2,var))
for (i in 2:10) wss[i] <- sum(kmeans(ourdata,
centers=i)$withinss)
plot(1:10, wss, type="b",
浏览 2提问于2018-07-04得票数 0
回答已采纳
1回答
我使用KMeans集群将数据分成两个集群，如下所示。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn import cluster
##################################################
# load data
clm = np.genfromtxt('data.csv',delimiter=',', skiprows=1)
X = clm[:,(1,12)].astype(float)
# d
浏览 2提问于2016-02-10得票数 1
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
