Jupyter 笔记本 python 名称错误

Question

我有以下NameError ，我不知道为什么。 我只更改了对我有用的教程中的输入文件路径和列名。

import json
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import MinMaxScaler
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

file = 'cuisine_ingredients.json'
with open(file) as train_file:
   json = json.load(train_file)

train = pd.concat(map(pd.DataFrame,json))
train.reset_index(level=0, inplace=True)

unique_cuisines = train['cuisine'].nunique()

labelEncoder_cuisine = LabelEncoder()
labelEncoder_cuisine.fit(train['cuisine'])
train['cuisine'] = labelEncoder_cuisine.transform(train['cuisine'])

labelEncoder_ingredients = LabelEncoder()
labelEncoder_ingredients.fit(train['ingredients'])
train['ingredients'] = 
labelEncoder_ingredients.transform(train['ingredients'])

X = np.array(train.drop(['id'], 1).astype(float))

scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X)

kmeans.fit(X_scaled)

KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=600,
n_clusters=unique_cuisines, n_init=10, n_jobs=1, precompute_distances='auto',
random_state=None, tol=0.0001, verbose=0)

我不断收到NameError: name 'kmeans' is not defined for kmeans.fit(X_scaled) 。

干杯:)

Answer 1

我只是简要地查看了您的代码，但您似乎没有像在kmeans.fit()编写的那样定义kmeans （小写 k 和 m kmeans.fit() 。

Answer 2

尝试KMeans().fit(X_scaled)而不是kmeans.fit(X_scaled) 。 在 scikit-learn 中，你必须先实例化一个模型，然后才能适应它。

我不知道笔记本的作者打算做什么，但通常您想将模型保存到变量中，因此您也可以按以下方式编写：

kmeans = KMeans()
kmeans.fit(X_scaled)

Answer 3

交换这两行代码。

kmeans.fit(X_scaled)

KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=600,
n_clusters=unique_cuisines, n_init=10, n_jobs=1, precompute_distances='auto',
random_state=None, tol=0.0001, verbose=0)

之后，您可能会想要结果：

X_transformed = kmeans.transform(X_scaled)

Answer 4

首先根据您的参数初始化您的模型。

kmeans = KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=600,n_clusters=unique_cuisines, n_init=10, n_jobs=1, precompute_distances='auto',random_state=None, tol=0.0001, verbose=0)

模型初始化后，您可以尝试拟合数据。

kmeans.fit(X_scaled)