from sklearn.cluster import SpectralClusteringtest = np.array([[63.15907836],频谱聚类需要设置多个聚类，我就是这么做的，但只得到了两个聚类。我遗漏了什么？
浏览 18提问于2019-11-03得票数 1
回答已采纳
我正在尝试sklearn中的谱聚类，为了设置最优聚类数，我想使用本文“自调整谱聚类”(发表在NIPS上)中建议的方法。这种方法需要特征值和特征向量，而我意识到sklearn谱聚类不提供它。有没有办法从sklearn谱聚类中获得特征值和特征向
浏览 4提问于2016-12-15得票数 2
很简单，如果我将最近邻居的数量指定为k，那么对于每个节点，它都会找到最近的k个节点，并将亲和度指定为1。
然而，我观察到由sklearn谱聚类最近邻生成的亲和力矩阵并不只包含0和1。因此我将1/n分配给n个相等的相邻节点？
浏览 28提问于2017-07-14得票数 0
回答已采纳
目前，我正在使用sklearn的谱聚类方法来处理我的密集7000x7000矩阵，它的执行速度非常慢，而且执行时间超过6小时。在python中有没有更快的频谱聚类实现？
浏览 15提问于2019-06-07得票数 0
1回答
什么是光谱聚类？我几乎没有统计学的背景。我试着在网上搜索笔记，但他们假设了很多知识。
如果你能在网上找到一些关于光谱聚类的基础知识和数学基础的笔记，那就更好了。我发现像这个一这样的笔记需要很多不适合我的背景知识。
浏览 0提问于2018-06-21得票数 4
在谱聚类中，我们取对应于K个最小特征值的特征向量。然后在这些特征向量上进行K均值聚类，得到最终的聚类。如果我们取不同数量的特征向量，而不是我们想要的簇数，会发生什么？
浏览 0提问于2019-03-06得票数 0
4回答
我有一个带有2列数值的数据。我想应用一种聚类算法将所有条目放入同一个组中，它们与其他条目之间的距离相对较小。但是我可以使用哪种聚类算法，虽然我不知道会形成多少组呢？如果有一个参数来确定允许的最大距离，那将是理想的。如果没有这样的算法，也许能给出一些直觉，这样的算法是如何由我自己实现的，也许会很有帮助。非常感谢！！)
浏览 0提问于2020-01-09得票数 3
回答已采纳
我有一个相似度矩阵，我计算了大量对象之间的相似度，每个对象可以与任何其他对象具有非零的相似度。我为另一个任务生成了这个矩阵，现在想对其进行聚类以进行新的分析。看起来方法可能是一个很好的选择，因为我可以传入一个预先计算的亲和度矩阵。我还知道，在构建亲和度矩阵时，谱聚类通常会使用一些最近的邻居，而我的相似性矩阵没有同样的约束。如果我传入一个允许亲和力矩阵中节点之间有任
浏览 1提问于2016-10-20得票数 0
1回答
所有关于谱聚类的文献都使用相似度矩阵作为谱聚类算法的输入。
是否也可以使用成对距离矩阵？我还没有看到任何版本的频谱聚类代码会使用parwise距离。我在matlab中实现了谱聚类，它有一个函数pdist，这个函数的输出是成对距离矩阵。
浏览 0提问于2015-05-01得票数 1
1回答
我正在使用python来练习谱聚类算法。在构建网络并为每个节点获取集群标签之后，我有以下问题：
如何度量聚类performance?how以确定最佳集群数?
浏览 1提问于2021-11-06得票数 0
2回答
是什么使光谱聚类比Kmeans聚类更好？我知道Kmeans聚类是光谱的最后一步。但是，为什么前面涉及到的谱聚类步骤使其成为一种更方便的聚类方法？
浏览 0提问于2018-08-02得票数 3
1回答
剪影值随着簇数的增加而增加
、、、、
我有一个矩阵，行是品牌，列是每个品牌的特征。当我计算每个簇数的轮廓值时，只要簇数增加，剪影值也会增加。最后，当簇数越来越大时，通过计算轮廓值，给出NaN结果。#coding utf-8from sklearn</e
浏览 0提问于2017-09-09得票数 1
我很恼火，因为我使用了(必须的)两个等价的方法。我的目标是将一个图聚类到不同的组中。, 8))我得到了一个非常令人信服的光谱表示：
现在，使用这段代码(以更系统的方式)：import sklearn
浏览 0提问于2019-12-24得票数 1
2回答
机器学习样本的聚类算法
、、、
我有一个1830*6800矩阵，如下所示：第1830行为不同的创业公司ID，列为6800个不同的投资者。现在我想找出那些成功筹集到足够资金的公司和那些没有那么幸运获得足够资金的公司之间的相似之处。
我正在考虑使用k均值聚类和谱聚类，将聚类数设为2，使其有两个不同的组(即成功和失败)。但是k-的意思是给我几乎所有的0，
浏览 4提问于2016-05-04得票数 0
回答已采纳
2回答
我正在寻找一种聚类算法，通过使用对象的成对距离来对对象进行聚类，而不需要计算所有成对距离。通常，成对的聚类如下所示：(请参阅这里)假设距离为非欧氏距离，则可以在距离矩阵上使用谱聚类或亲和力传播，并检索聚类结果。然而，计算所有对组合对象的全距离矩阵在计算上是非常
浏览 0提问于2019-03-08得票数 5
回答已采纳
2回答
我可以使用一些networkx包来构建公司的连接网络。现在，我想使用谱聚类(我猜这是正确的方法)，根据距离(每个公司之间的边数)形成簇，看看这些簇是如何相互连接的。现在我的问题是，谱聚<e
浏览 1提问于2014-04-16得票数 1
回答已采纳
1回答
聚类余弦相似矩阵
、、、、
关于堆栈溢出的一些问题提到了这个问题，但我还没有找到具体的解决方案。我想得到集群(我不知道有多少)来最大化集群中元素之间的值。例如，对于上面的例子，我应该得到两个集群：
项只能位于一个群集中。召回对于这个问题并不那么重要，但是精确性是非常重要的。输出三个簇是可以接受的: 1) B，2) A，3) C，D。但是，如果B位于具有另一个元素<e
浏览 3提问于2015-05-06得票数 20
回答已采纳
K-均值聚类在学习中，簇数是预先已知的(它是2).有多种特征。特征值最初是不分配任何权重的，即它们被同等对待。然而，任务是为每个特性分配自定义权重，以获得最佳的聚类分离。如何确定每个特征的最优样本权重(sample_weight)，从而得到两个聚类之间的最佳分离？如果对于k均值或sklearn来说，这是不可能的，那么我对任何可选的</em
浏览 6提问于2021-01-05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
腾讯会议
云直播活动推荐
腾讯云开发者
