更高维度的 KMeans 聚类是不是可行？

Posted 2023-03-12

【中文标题】更高维度的 KMeans 聚类是不是可行？

【英文标题】：Is KMeans Clustering with higher dimensions possible?更高维度的 KMeans 聚类是否可行？

【发布时间】：2021-01-22 17:33:42

【问题描述】：

我有几百个 3d 数组，我想用它们做一些聚类分析，但是 sklearn.cluster.KMeans 只会做一个 2D 数组。我的每个数组的大小都是(56,88,56)，我有300。当我将它们组合为一个数组时，我得到(300,56,88,56)。 KMeans 给出错误ValueError: Found array with dim 4. Estimator expected <= 2.。我解决这个问题的一种方法是在我的数组上使用np.ndarray.flatten()，所以我的新数组是(275968,)，当组合成一个数组时，我得到(300,275968)，我可以使用KMeans 聚类。有没有办法使用 4D 阵列执行聚类分析，或者我最终会得到与展平阵列以进行 2D 分析相同或相似的结果？

from sklearn.cluster import KMeans
import numpy as np
import pandas as pd
import nibabel as nib
import os, sys
from tqdm import tqdm

DIR = '(56x88x56)\\' 
flatten_list = []
for r,d,f in os.walk(DIR):
    for file in tqdm(f):
        path = DIR + file
        cp = nib.load(path).get_fdata()
        cp = np.array(cp)        
        array_flatten = np.ndarray.flatten(cp)
        flatten_list.append(array_flatten)

flatten_list = np.array(flatten_list)
kmeans = KMeans(n_clusters = 10, random_state = 0, verbose = 1).fit(flatten_list)
cluster_labels = kmeans.labels_
print(cluster_labels)

【参考方案1】：

K-Means 聚类的步骤是：

选取一些随机中心：对所有坐标采样相同的分布，因此该操作相对于坐标变化是对称的。 计算所述集群和数据库中的点之间的距离。即使您更改坐标顺序，欧几里得距离的公式也保持不变。 计算平均值和移动中心。交换坐标时，平均值也保持不变。

总而言之，K-Means 中的所有步骤都与数据的内部结构无关。您可以轻松地为矩阵实现它，但这样做没有实际意义，因为您可以将它们展平并将它们视为数组。 sklearn 收敛到的解决方案应该与提供的实现相同。

你问这个有什么特别的原因吗？ sklearn 的解决方案不会收敛到预期的输出吗？

【讨论】：

您可以轻松选择三个特征（列）作为您适合的变量的输入。 np.asarray([np.asarray(df['Feature1']),df['Feature2']),df['Feature3'])]).TX = data 如果您需要更多信息，请告诉我。