scikit-learn kmeans 用 Ja​​ccard 距离聚类文本

Posted 2023-03-12

【中文标题】scikit-learn kmeans 用 Ja​​ccard 距离聚类文本

【英文标题】：scikit-learn kmeans clustering text with jaccard distance

【发布时间】：2019-11-12 19:23:01

【问题描述】：

我正在尝试使用 sklearn 将一些推文聚类为字典 我有 25 个初始质心 id（tweet id） 我在自己的函数中编写了它，但我不知道如何用 sklearn 实现它

# 845512:'tweet id 845512', 543115:'tweet id 543115', ...
# initial_centroids = [845512, 546318, 84632, ...] - 25 centroids

NOTE: tweets_vec <= I need to make it by jaccard_distance
tweets_vec = Is the jaccard distance matrix (it may be wrong, i dont know)

kmeans = KMeans(n_clusters=25, init=initial_seeds).fit(tweets_vec)

我制作了一个二维矩阵，其中有 Jaccard 距离。我不知道如何在 kmeans 方法中修复 init。它的错误不是 ndarray

我究竟应该传递给它什么？

【问题讨论】：

可能与：***.com/questions/5529625/… 重复，您可以在最佳答案中找到您的解决方案。

这不是我要找的。我可能会含糊地说出这个问题。我将对其进行编辑以使其更清晰。

【参考方案1】：

如果在 kmeans 内传递 init=initial_centroids，则 initial_centroids 必须具有形状 clusters x features。如果您只使用一项功能，您可能需要重新调整阵列，请尝试：

init_cent_array = np.asarray(initial_centroids).reshape(-1,len(initial_centroids))

并在 kmeans 中将其作为 init 参数传递。希望这会有所帮助。