如何在 Python 中使用 Affinity Propagation 进行预测

Posted 2023-03-12

【中文标题】如何在 Python 中使用 Affinity Propagation 进行预测

【英文标题】：How to predict with Affinity Propagation in Python

【发布时间】：2022-01-20 02:50:53

【问题描述】：

我第一次尝试使用亲和力传播模型进行训练和预测。

这是我的代码：

import numpy as np
from sklearn.cluster import AffinityPropagation

data = np.array([[0.1,0.1,0.4], [0.0, 0.1, 0.5], [0.7,0.5,0.2]])

affprop = AffinityPropagation(affinity="euclidean", damping=0.7, random_state=0)
affprop.fit(data)

data_2 = np.array([[0.1,0.1], [0.0, 0.1], [0.7,0.5]])

affprop.predict(data_2)

但是，当我运行它时，我收到以下错误：

ValueError: X has 2 features, but AffinityPropagation is expecting 3 features as input.

我是否误解了亲和力传播如何与预测一起工作？我希望能够为我训练有素的模型提供新数据。维度数（即每个子列表的长度）是否需要与训练数据相同？

【问题讨论】：

是的，每个子列表的大小应该相同，我认为您混淆了示例数量（样本 - 子列表数量）和维度（特征数量 - 每个长度每个示例的子列表）。您正在使用具有 3 个特征的 3 个样本训练模型。所以你需要传递一个包含任意数量样本的数组，但每个样本必须包含 3 个特征。

【参考方案1】：

data_2 中的每个元素都应与data_1 中的每个元素具有相同的形状(3,1)

data_2 = np.array([[0.1, 0.1, 0.1], [0.0, 0.1, 0.2], [0.7, 0.5, 0.25]]) 或data_2 = np.array([[0.1,0.1, 0.1]]) 会起作用。

您正在尝试预测新数据所属的集群，因此它必须位于相同的 n 维空间中。