在python中使用k-means聚类提取质心？
Posted
技术标签:
【中文标题】在python中使用k-means聚类提取质心？【英文标题】：Extracting centroids using k-means clustering in python? 【发布时间】：2018-04-27 17:03:55 【问题描述】：我在一个形状为 [1000,] 的一维数组中有一些数据，其中包含 1000 个元素。我对这些数据应用了 k-means 聚类，聚类数为 10。应用 k-means 后，我得到了每个簇的形状为 [1000,] 和形状为 [10,] 的簇标签（id）。标签数组将 0 到 9 之间的值分配给 1000 个元素中的每一个。但是，我希望每个元素都显示其质心而不是其集群 ID。我怎样才能做到这一点？
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=10)
kmeans.fit(data) #data is of shape [1000,]
#learn the labels and the means
labels = kmeans.predict(data) #labels of shape [1000,] with values 0<= i <= 9
centroids = kmeans.cluster_centers_ #means of shape [10,]
在上面的代码中，我想要 [1000,] 数组中每个元素的各自质心，而不是其集群 ID。
【问题讨论】：
【参考方案1】：似乎列表理解会很好用。
centroid_labels = [centroids[i] for i in labels]
【讨论】：
【参考方案2】：只需使用centroids 数组作为查找表：
samplesCentroids = centroids[labels]
【讨论】：
以上是关于在python中使用k-means聚类提取质心？的主要内容，如果未能解决你的问题，请参考以下文章