Scipy.cluster kmeans2答案

【问题标题】：Scipy.cluster kmeans2Scipy.cluster kmeans2
【发布时间】：2019-03-02 11:41:03
【问题描述】：

我正在尝试在 Scipy 中应用 kmeans2 算法。以下代码正确应用了该算法。

from scipy.cluster.vq import kmeans2,vq
import numpy as np

df = pd.read_csv("123.csv")

km,_ = kmeans2(X,2)
idx,_ = vq(X,km)

如何观察聚类中心？我尝试过 print(centers)、print(centroids) 等，但没有任何效果。

如何观察集群标签？例如，在 sklearn KMeans 中，这是由 labels_ 给出的。

我已经尝试了 print(labels) 和它的所有变体，我在 Scipy 参考指南上找到了这些，但似乎没有一个有效。

此外，在初始化方法下，它声明矩阵是 minit 中的可用方法。我无法识别我输入的任何矩阵。我通常会收到一条错误消息，说“数据类型不被理解”或“不可散列的类型：'list'。

我之所以尝试这样做是因为我想运行一个 KMeans 聚类算法，我可以在其中手动选择每个聚类中心，然后将每个点分类到最近的中心。

我只是不明白“minit”是如何工作的，还是我只是没有以正确的形式输入我的矩阵

【问题讨论】：

【解决方案1】：

km 应该包含集群中心。试试看

打印（公里）

至于标签，应该是kmeans2返回的第二个变量。

这是一个工作示例：

df = [[1.,2.,3.], [7.,8.,9.], [2.,2.,2.], [7.,8.,6.]]

centers,labels = kmeans2(df,2) 
print(centers) 
print(labels)

结果：

[[1.5 2.  2.5]
 [7.  8.  7.5]]
[0 1 0 1]

【讨论】：

感谢您的回答，它有效。然而，每次我运行这个算法时，聚类都是不同的（因此聚类中心也是不同的）。如何判断哪个聚类是最佳的，或者我需要为迭代次数设置一个非常高的数字？
KMeans 随机放置初始聚类中心，因此您没有得到相同的结果是可以接受的。从多次运行中，您可以将误差测量值计算为每个点到其簇质心的均方距离。最小化这个误差的聚类结果是最好的。 sklearn.cluster.kmeans 通过其设置为 10 的 n_init 参数自动执行此操作，它提供了 10 个中的最佳结果：scikit-learn.org/stable/modules/generated/…
@CatalinStoean 每次获得相同结果的一种方法是在 kmeans 代码之前设置一个初始种子值。我不知道它在 python 中是如何完成的，但在 R 编程中，它可以编码为>set.seed(2018) kmeans(c(1:10))
@nemo 好点。但您不一定能从多种可能中得到最佳解决方案。无论如何，为了在 python 中做到这一点，这应该没问题： > from numpy import random >random.seed(5)
@CatalinStoean 谨慎使用术语，“最佳解决方案”和“相同结果（或解决方案）”是两个不同的概念。需要明确的是，我的建议是获得“相同的结果”。