cluster_centers_ 的排序/索引在 KMeans 聚类 SKlearn 中代表啥
Posted
技术标签:
【中文标题】cluster_centers_ 的排序/索引在 KMeans 聚类 SKlearn 中代表啥【英文标题】:What does the ordering/index of cluster_centers_ represent in KMeans clustering SKlearncluster_centers_ 的排序/索引在 KMeans 聚类 SKlearn 中代表什么 【发布时间】:2020-06-17 21:11:52 【问题描述】:我已经实现了以下代码
k_mean = KMeans(n_clusters=5,init=centroids,n_init=1,random_state=SEED).fit(X_input)
k_mean.cluster_centers_.shape
>>
(5, 50)
我有 5 个数据集群。
集群是如何排序的?集群中心的索引是否代表labels
?
表示0th
位置处的cluster_center
索引是否代表标签= 0?
【问题讨论】:
【参考方案1】:在docs 中有一个类似的例子:
>>> from sklearn.cluster import KMeans
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
... [10, 2], [10, 4], [10, 0]])
>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
>>> kmeans.labels_
array([1, 1, 1, 0, 0, 0], dtype=int32)
>>> kmeans.predict([[0, 0], [12, 3]])
array([1, 0], dtype=int32)
>>> kmeans.cluster_centers_
array([[10., 2.],
[ 1., 2.]])
索引是有序的。顺便说一句,k_mean.cluster_centers_.shape
you 只返回数组的形状,而不是值。因此,在您的情况下,您有 5 个集群,特征的维度为 50。
要获取最近的点,可以查看here。
【讨论】:
谢谢。我知道形状,但在这里绘制所有 5,50 D 并不是一件好事,这就是我使用形状的原因以上是关于cluster_centers_ 的排序/索引在 KMeans 聚类 SKlearn 中代表啥的主要内容,如果未能解决你的问题,请参考以下文章
解释 K-Means cluster_centers_ 输出
c_华为机考_100分的第2题_字符串的ascii码值小到大排序,输出ascii码值排序的第k个元素, 在字符串里的索引