K-means在3D矩阵上

Question

我目前正在学习k-means并想在3D矩阵上尝试它， 这是我通过2D矩阵的链接。

from sklearn.cluster import KMeans
import numpy as np
X = np.array([[1, 2], [1, 4], [1, 0],
            [10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
kmeans.labels_
array([1, 1, 1, 0, 0, 0], dtype=int32)
kmeans.predict([[0, 0], [12, 3]])
array([1, 0], dtype=int32)
kmeans.cluster_centers_
array([[10.,  2.],
       [ 1.,  2.]])

但是在尝试但是在尝试的时候

x = [[[10, 20, 30], [40, 50, 60]], [[1, 2, 3], [4, 5, 6]]]
kmeans = KMeans(n_clusters=2, random_state=0).fit(x)

错误的

ValueError：找到带有暗淡的数组3.估计的估计值<= 2。

任何我出错的建议都表示赞赏。

Answer 1

正如文档中所述， KMeans的fit方法期望：

X：类似数组或稀疏矩阵， shape =（n_samples，n_features）

即2D形阵列，其中每行是样本，列是每个样本的特征。 因此它无法处理3D数据点。