kmeans scikit-learn 教程

Posted 2023-03-12

【中文标题】kmeans scikit-learn 教程

【英文标题】：kmeans scikit-learn tutorial

【发布时间】：2014-05-11 15:43:22

【问题描述】：

我正在尝试使用 Python 而不是 R 进行数据分析，但遇到了一些麻烦。所以我一直在阅读 scikit-learn 的文档并尝试自己运行他们的 kmeans 示例，但收到以下错误消息：

使用稀疏矢量化器从训练数据集中提取特征 Traceback（最近一次调用最后一次）：

文件“kmeans.py”，第 104 行，在 X = vectorizer.fit_transform(dataset.data)

文件“/Library/Python/2.7/site-packages/scikit_learn-0.15_git-py2.7-macosx-10.9-intel.egg/sklearn/feature_extraction/text.py”，第 1238 行，在 fit_transform return self._tfidf.transform(X, copy=False)

文件“/Library/Python/2.7/site-packages/scikit_learn-0.15_git-py2.7-macosx-10.9-intel.egg/sklearn/feature_extraction/text.py”，第 1010 行，在转换中 X = normalize(X, norm=self.norm, copy=False)

文件“/Library/Python/2.7/site-packages/scikit_learn-0.15_git-py2.7-macosx-10.9-intel.egg/sklearn/preprocessing/data.py”，第542行，标准化 inplace_csr_row_normalize_l2(X)

文件“sparsefuncs.pyx”，第 146 行，在 sklearn.utils.sparsefuncs.inplace_csr_row_normalize_l2 (sklearn/utils/sparsefuncs.c:2714)

ValueError: 缓冲区 dtype 不匹配，预期为 'int' 但得到了 'long'

供参考，代码在这里：http://scikit-learn.org/stable/auto_examples/document_clustering.html

我花了一些时间来获得整个 scipy 堆栈，但我确定我现在拥有它，只是想知道为什么复制粘贴他们的代码然后运行它会出错（我相信他们不会'不要在他们的网站上放置带有错误的代码）。关于修复是什么/发生了什么的任何想法？

【问题讨论】：

您运行的是 Windows 64 位吗？您的问题可能与此有关，这是一个错误：***.com/questions/22775997/…

不，这是在 64 位 Mac 和 Python 2.7.2 上

您正在查看 0.14 的文档。尝试使用开发版本：scikit-learn.org/dev/auto_examples/document_clustering.html。代码其实不一样。

没错，但运行其他代码仍然会从复制的行产生相同的错误。代码对你有用吗@DanielVelkov？

我正在运行 0.14 并且代码没有问题。

【参考方案1】：

一种有用的方法是安装 Anaconda 和 PyCharm 或 Eclipse IDE。将您的解释器从 IDE 指向 Anaconda 库。有关更多指南，请参阅此链接：http://docs.continuum.io/anaconda/ide_integration.html。此外，使用“conda update”和“anaconda update”从 shell 更新 pkgs 包括 scikit 非常容易。

【参考方案2】：

您是如何安装 scipy 堆栈的？我强烈建议您不要尝试自己组装堆栈，因为这样做非常具有挑战性。我宁愿推动你使用 anaconda https://store.continuum.io/cshop/anaconda/。

免责声明：1) 我不为这些人工作。 2) anaconda 有免费版本。挺好的。