[英]How to Cluster Multidimentional and Unkown Data using KMeans?
我有两个关于使用 Python 进行 Kmeans 聚类的问题。
我有一个名为 Mystery.npy 的自动生成的数据,它的形状是 (30309, 784)。 我正在尝试对其应用 KMeans 聚类,但出现以下错误:
valueerror: the truth value of an array with more than one element is ambiguous. use a.any() or a.all()
您是否知道如何克服此错误,或者如何使用 KMeans 方法对此类数据进行聚类?
第二个问题,是否有特定的代码可以知道我拥有的数据类型?
非常感谢您的帮助。 谢谢,
@Nael Alsaleh,您可以通过以下方式运行 K-Means:
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
X=np.load('Mistery.npy')
wx = []
for i in range(1, 11):
kmeans = KMeans(n_clusters = i, random_state = 0)
kmeans.fit(X)
wx.append(kmeans.inertia_)
plt.plot(range(1, 11), wx)
plt.xlabel('Number of clusters')
plt.ylabel('Variance Explained')
plt.show()
请注意, X
是一个 numpy 数组。 此代码将创建弯头曲线,您可以在其中 select 完美的簇数,在本例中为 5-6。
如果您正在使用 numpy,您将拥有一个数组:
array([0.86992608, 0.11252552, 0.25573737, ..., 0.32652233, 0.14927118,
0.1662449 ])
您可能还使用列表,
[0.86992608, 0.11252552, 0.25573737, ..., 0.32652233, 0.14927118,
0.1662449 ]
您需要转换为array
: np.array(X)
,甚至是Pandas
Dataframe:
您可以通过执行以下操作检查Pandas
Dataframe 中的列类型:
import pandas as pd
pd.DataFrame(X).dtypes
在numpy
, x.dtype
将数据转换为数组后,运行:
n=5
kmeans=KMeans(n_clusters=n, random_state=20).fit(X)
labels_of_clusters = kmeans.fit_predict(X)
这将为您提供每个示例所属的集群 class 的编号。
array([1, 4, 0, 0, 4, 1, 4, 0, 2, 0, 0, 4, 3, 1, 4, 2, 2, 3, 0, 1, 1, 0,
4, 4, 2, 0, 3, 0, 3, 1, 1, 2, 1, 0, 2, 4, 0, 3, 2, 1, 1, 2, 2, 2,
2, 0, 0, 4, 1, 3, 1, 0, 1, 4, 1, 0, 0, 0, 2, 0, 1, 2, 2, 1, 2, 2,
0, 4, 4, 4, 4, 3, 1, 2, 1, 2, 2, 1, 1, 3, 4, 3, 3, 1, 0, 1, 2, 2,
1, 2, 3, 1, 3, 3, 4, 2, 2, 0, 2, 1, 3, 4, 2, 0, 2, 1, 3, 3, 3, 4,
3, 1, 4, 4, 4, 2, 0, 3, 2, 0, 1, 2, 2, 0, 3, 1, 1, 1, 4, 0, 2, 2,
0, 0, 1, 1, 0, 3, 0, 2, 2, 1, 2, 2, 4, 0, 1, 0, 3, 1, 4, 4, 0, 4,
1, 2, 0, 2, 4, 0, 1, 2, 3, 1, 1, 0, 3, 2, 4, 0, 1, 3, 1, 2, 4, 3,
1, 1, 2, 0, 0, 2, 3, 1, 3, 4, 1, 2, 2, 0, 2, 1, 4, 3, 1, 0, 3, 2,
4, 1, 4, 1, 4, 4, 0, 4, 4, 3, 1, 3, 4, 0, 4, 2, 1, 1, 3, 4, 0, 4,
4, 4, 4, 2, 4, 2, 3, 4, 3, 3, 1, 1, 4, 2, 3, 0, 2, 4])
可视化:
from sklearn.datasets.samples_generator import make_blobs
X, y_true = make_blobs(n_samples=200, centers=4,
cluster_std=0.60, random_state=0)
kmeans = KMeans(n_clusters=4, random_state=0).fit(X)
cc=kmeans.fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=cc, s=50, cmap='viridis')
您可以使用scikit- learns KMeans 模块来完成您想要做的事情,这是一个使用您的数据的工作示例:
import numpy as np
from sklearn.cluster import KMeans
# loading your data from .npy-file
mystery = np.load('mystery.npy')
# n_clusters is a hyperparameter set by you
kmeans = KMeans(n_clusters=42, n_jobs=-1).fit(mystery[:1000])
pred = kmeans.predict(mystery[1000:1200])
print(pred)
array([36, 16, 21, 15, 15, 0, 5, 7, 31, 33, 10, 14, 1, 36, 30, 22, 12,
1, 35, 12, 16, 12, 28, 14, 13, 15, 2, 21, 36, 7, 7, 4, 39, 4,
4, 18, 5, 31, 17, 2, 2, 26, 38, 34, 34, 36, 13, 13, 26, 1, 26,
8, 38, 0, 38, 34, 0, 21, 36, 12, 16, 38, 23, 15, 0, 6, 34, 0,
19, 7, 8, 21, 16, 36, 24, 0, 4, 22, 33, 21, 12, 12, 2, 10, 23,
2, 3, 0, 12, 0, 24, 21, 12, 33, 4, 14, 34, 10, 21, 0, 33, 26,
36, 2, 12, 34, 29, 27, 33, 3, 12, 12, 15, 39, 34, 26, 26, 16, 8,
2, 12, 0, 21, 15, 40, 16, 38, 22, 26, 36, 17, 3, 12, 3, 23, 39,
34, 36, 33, 38, 15, 21, 7, 34, 23, 33, 34, 33, 26, 34, 26, 30, 16,
2, 3, 0, 33, 34, 39, 12, 5, 34, 26, 33, 30, 39, 12, 2, 15, 29,
12, 38, 36, 10, 36, 28, 1, 19, 12, 17, 32, 35, 11, 16, 28, 18, 14,
15, 31, 34, 19, 0, 17, 12, 11, 39, 18, 26, 31, 0], dtype=int32)
如果您想使用完整的数据集, kmeans.fit(mystery)
可能需要一些时间,出于测试目的,我只使用了前 1000 个实例并预测了接下来的 200 个实例。
您是否知道如何克服此错误,或者如何使用 KMeans 方法对此类数据进行聚类?
第一个问题与 scikit-learn 无关,您可以在这里找到一些解释: ValueError: The truth value of an array with multiple element is ambiguous。 使用 a.any() 或 a.all()
在这里: ValueError:具有多个元素的数组的真值是不明确的。 使用 a.any() 或 a.all():剪影性能算法
你正在做一些语法问题......
第二个问题,是否有特定的代码可以知道我拥有的数据类型?
如何处理.npy 文件,您可以在此处查看: 数据在 *.npy 中的存储方式是什么?
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.