标签: k-means

可能的重复：
如何在 K 均值算法中优化 K
使用 k 均值聚类时如何确定 k？

根据统计指标，我们可以决定 K。如标准差、均值、方差等，或者

有没有简单的方法来选择K-means算法中的K？

预先感谢纳文

我正在使用 k-means 做一个项目，我的教授建议使用 kdtree。我在 python 中找到了 kdtree 的实现（我知道 scipy 中也有，但我找不到任何示例实现）。我的问题与标题相同，是使用kdtree来加速k-means，还是我错了？

data = [(2,2),(1,0),(2,3),(10,5),(59,8),(4,2)]

tree = KDTree.construct_from_data(data)
nearest = tree.query(query_point=(5,4), t=3)
print nearest

输出：

[(4, 2), (2, 3), (2, 2)]

我有一个用户及其音乐播放的数据集，每个播放都有位置数据。对于每个用户，我想对他们的播放进行聚类，以查看他们是否在给定位置播放音乐。

我计划使用 sci-kit learn k-means 包，但如何让它处理位置数据，而不是默认的欧几里德距离？

一个它工作的例子真的会对我有帮助！

来自sklearn KMeans的文档

类 sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs =1)

和SciPy kmeans

scipy.cluster.vq.kmeans(obs, k_or_guess, iter=20, thresh=1e-05, check_finite=True)

很明显，参数的数量有所不同，也许 sklearn 可以使用更多的参数。

你们中有人尝试过其中一种吗？在分类问题中您是否更倾向于使用其中一种？

我正在寻找 precompute_distances 属性的效用：

    class sklearn.cluster.KMeans(n_clusters=8, init=’k-means++’, n_init=10, 
    max_iter=300, tol=0.0001, precompute_distances=’auto’, verbose=0, 
    random_state=None, copy_x=True, n_jobs=1, algorithm=’auto’)

它预先计算了哪些距离？

numpy.linalg.norm方法的作用是什么？

在这个 Kmeans 聚类示例中，numpy.linalg.norm函数用于获取移动质心步骤中新质心和旧质心之间的距离，但我无法理解其本身的含义

有人能给我一些关于这个 Kmeans 聚类上下文的想法吗？

向量的范数是什么？

我正在尝试对来自不同公司的产品销售的数据进行聚类。请注意，我将列中的任何字符串映射到数值，以便我可以使用 k 均值聚类。我有以下代码，我在我的数据上做 k-means

FeaturesDf=FeaturesDf[['company_value','Date_value','product_value']]
# Convert DataFrame to matrix
mat = FeaturesDf.values
#Using sklearn
km = sklearn.cluster.KMeans(n_clusters=5)
km.fit(mat)
# Get cluster assignment labels
labels = km.labels_
# Format results as a DataFrame
results = pd.DataFrame(data=labels, columns=['cluster'], index=orderFeaturesDf.index)

我如何绘制一个 k 均值聚类图？我试过

plt.scatter(results.index,results['cluster'], c='black')
plt.plot(results)

但是有没有更好的方法来做到这一点？

我使用 sckit-learn 库将 K-means 聚类与 TF-IDF 结合使用。我知道 K-means 使用距离来创建集群，距离用（x 轴值，y 轴值）表示，但 tf-idf 是单个数值。我的问题是这个 tf-idf 值是如何通过 K-means 聚类转换为 (x,y) 值的。

我很难解释cluster_centers_数组输出的结果。

考虑以下 MWE：

from sklearn.cluster import KMeans
from sklearn.datasets import load_iris
import numpy as np

# Load the data
iris = load_iris()
X, y = iris.data, iris.target

# shuffle the data
shuffle = np.random.permutation(np.arange(X.shape[0]))
X = X[shuffle]

# scale X
X = (X - X.mean()) / X.std()

# plot K-means centroids
km = KMeans(n_clusters = 2, n_init = 10)  # establish the model

# fit the data
km.fit(X);

# km centers
km.cluster_centers_

array([[ 1.43706001, -0.29278015,  0.75703227, -0.89603057],
       [ …

是否可以绘制kmeans成本值？我想根据 kmeans 的迭代绘制成本值，如下图所示

你能参考一些相关的线程吗？谢谢