在 TruncatedSVD Python 之后绘制 K-means 集群答案

【问题标题】：Plot K-means clusters after TruncatedSVD Python在 TruncatedSVD Python 之后绘制 K-means 集群
【发布时间】：2017-08-10 11:14:24
【问题描述】：

我正在尝试在我的数据集上绘制运行集群的结果，但出现错误：

  File "cluster.py", line 93, in <module>
    Z = kmeans.predict(np.c_[xx.ravel(), yy.ravel()])
  File "/usr/local/lib/python2.7/dist-packages/sklearn/cluster/k_means_.py", line 957, in predict
    X = self._check_test_data(X)
  File "/usr/local/lib/python2.7/dist-packages/sklearn/cluster/k_means_.py", line 867, in _check_test_data
    n_features, expected_n_features))
ValueError: Incorrect number of features. Got 2 features, expected 73122

我对@987654322@ 的调用工作正常，但绘图出错了。

这是我的代码：

reduced_data = TruncatedSVD(n_components=2).fit_transform(X)

kmeans = KMeans(n_clusters=4, init='k-means++', max_iter=100, n_init=1, verbose=False)
kmeans.fit(X)

h = .02     # point in the mesh [x_min, x_max]x[y_min, y_max].

# Plot the decision boundary. For that, we will assign a color to each
x_min, x_max = reduced_data[:, 0].min() - 1, reduced_data[:, 0].max() + 1
y_min, y_max = reduced_data[:, 1].min() - 1, reduced_data[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

# Obtain labels for each point in mesh. Use last trained model.
Z = kmeans.predict(np.c_[xx.ravel(), yy.ravel()])

# Put the result into a color plot
Z = Z.reshape(xx.shape)
plt.figure(1)
plt.clf()
plt.imshow(Z, interpolation='nearest',
           extent=(xx.min(), xx.max(), yy.min(), yy.max()),
           cmap=plt.cm.Paired,
           aspect='auto', origin='lower')

plt.plot(reduced_data[:, 0], reduced_data[:, 1], 'k.', markersize=2)
# Plot the centroids as a white X
centroids = kmeans.cluster_centers_
plt.scatter(centroids[:, 0], centroids[:, 1],
            marker='x', s=169, linewidths=3,
            color='w', zorder=10)
plt.title('K-means clustering on the digits dataset (PCA-reduced data)\n'
          'Centroids are marked with white cross')
plt.xlim(x_min, x_max)
plt.ylim(y_min, y_max)
plt.xticks(())
plt.yticks(())
plt.show()

谁能建议我如何更改我的代码以获得集群图？

【问题讨论】：

标签： python matplotlib scikit-learn k-means svd

【解决方案1】：

回溯告诉你问题是什么：

ValueError：特征数量不正确。有 2 个特征，预期为 73122

kmeans 分类器适用于73122 维训练样本，因此您不能使用kmeans 对2 维测试样本进行预测。

要修复您的代码，只需将 kmeans.fit(X) 更改为 kmeans.fit(reduced_data)。

【讨论】：