如何使用 KMEANS 计算每个记录的聚类距离?
Posted
技术标签:
【中文标题】如何使用 KMEANS 计算每个记录的聚类距离?【英文标题】:How to compute cluster distance from each record using KMEANS? 【发布时间】:2019-05-25 08:25:29 【问题描述】:我在包含两个集群的数据集上应用了 Kmeans 算法。我的数据集形状是 (506,13)。如何获取每条记录的聚类距离?
我尝试使用欧几里得距离作为聚类中心,但我想知道每条记录到两个聚类的距离。
model= KMeans(n_clusters=2)
model.fit(X)
print(model.cluster_centers_)
[3.88774444e-01 1.55826558e+01 8.42089431e+00 7.31707317e-02
5.11847425e-01 6.38800542e+00 6.06322493e+01 4.44127154e+00
4.45528455e+00 3.11926829e+02 1.78092141e+01 3.81042575e+02
1.04174526e+01]
[1.22261690e+01 3.01980663e-14 1.84518248e+01 5.83941606e-02
6.70102190e-01 6.00621168e+00 8.99678832e+01 2.05447007e+00
2.32700730e+01 6.67642336e+02 2.01963504e+01 2.91039051e+02
1.86745255e+01]
**actual results:**
from sklearn.metrics.pairwise import euclidean_distances
dists = euclidean_distances(model.cluster_centers_)
array([[ 0. , 369.34000546],
[369.34000546, 0. ]])
**Expected results:**
rows cluster_1_distance cluster_2_distance
0 0.78 0.89
1 0.53 0.66
【问题讨论】:
【参考方案1】:使用 scipy.spatial.distance 库中的 cdist
函数。
如参考中所述,它需要 2 个矩阵,并返回两个矩阵中每对之间的距离。您可以使用metric
参数来指定您想要的距离函数的类型。
在你的情况下,
from scipy.spatial.distance import cdist
dists = cdist(X,model.cluster_centers_,metric='euclidean') #shape of dists : (506,2)
【讨论】:
我已经尝试过你提到的 cdist 但它给出了一个错误,X = pd.DataFrame(np.random.rand(10,5),columns=['A','B','C','D','E']) model= KMeans(n_clusters=2) dists = cdist(f1,model.cluster_centers_,metric='euclidean') AttributeError: 'KMeans' object has no attribute 'cluster_centers_'
@ShihabShahriar model = model.fit(X)
和 model.fit(X)
是等价的。
是的.. 几分钟后我才意识到......无论如何,谢谢以上是关于如何使用 KMEANS 计算每个记录的聚类距离?的主要内容,如果未能解决你的问题,请参考以下文章