如何从Bigquery中的Kmeans簇表中获取簇数？
从BigQuery中的Kmeans簇表中获取簇数，可以通过以下步骤实现：
- 首先，使用BigQuery的SQL语言编写查询语句，以获取Kmeans簇表中的簇数。查询语句可以使用COUNT(DISTINCT cluster_id)来计算簇表中不重复的簇数。
- 在BigQuery的控制台或使用API调用执行查询语句。确保已经选择了正确的数据集和表。
- 执行查询后，将返回结果中的簇数提取出来。可以通过编程语言（如Python、Java等）中的相应API来获取查询结果。
- 使用获取到的簇数进行后续的分析、可视化或其他操作。
需要注意的是，BigQuery是Google Cloud提供的云原生数据仓库和分析服务，具有高度可扩展性和强大的查询功能。它适用于大规模数据集的存储和分析。在使用BigQuery时，可以结合其他腾讯云产品来实现更多功能，如数据传输、数据处理、数据可视化等。
腾讯云相关产品推荐：
- 腾讯云数据仓库 ClickHouse：提供高性能、高可用的数据仓库解决方案，适用于海量数据存储和分析。详情请参考：腾讯云 ClickHouse
- 腾讯云数据传输服务 DTS：用于实现不同数据源之间的数据迁移和同步。详情请参考：腾讯云 DTS
- 腾讯云数据可视化 Quick BI：提供强大的数据可视化和分析功能，帮助用户快速洞察数据。详情请参考：腾讯云 Quick BI
请注意，以上推荐的产品仅为腾讯云的一部分产品，更多产品和服务请参考腾讯云官方网站。
相关·内容
我使用Google Bigquery训练了一个KMEANS集群模型，它在我的模型的评估选项卡中给出了这些指标。我的问题是，我们是试图最大化还是最小化Davies-Bouldin指数和均方距离？
浏览 4提问于2019-12-11得票数 4
1回答
如何在Pandas中获得KMeans算法中每个簇的值的总数？
我尝试了以下几种方法：
kmeans_model = KMeans(n_clusters = 3, random_state = 1).fit(dataframe.iloc[:,:])
clusters = kmeans_model.labels_.count()
但它不起作用。
我的预期输出如下：
Clusters Number_of_values
cluster_0 932
cluster_1 931
cluster_2 930
你知道我如何在Pandas中实现这一点吗？
我也试过了，它起作用了。如果我有其他选择就更好
浏览 18提问于2019-07-15得票数 3
回答已采纳
我试图在R中对kmeans()输出的集群值进行数值设置。
我请求帮助手动重置基于数字排序的km$中心的km集群id。因此，簇1代表数值较高的值，组2的值次之，簇3的值最低。
#Quick DF
id <- seq(1, 100, by=1)
nums <- runif(100, min=0, max=10)
df <- data.frame( id , nums )
#Kmeans
km <- kmeans( df$nums , 3 , nstart = 20 )
km$centers
浏览 0提问于2018-05-24得票数 0
回答已采纳
1回答
我正在学习R，在进行K均值聚类时，我多次遇到下面的函数，用于从scree图中确定最佳K。现在，我确实理解了函数背后的逻辑，但是我很难理解R函数，请有人解释一下。
wssplot <- function(data, nc=15, seed=1234)
{
wss <- (nrow(data)-1)*sum(apply(data,2,var))
for (i in 2:nc)
{
set.seed(seed)
wss[i] <- sum(kmeans(data, centers=i)$withinss)
}
pl
浏览 3提问于2015-11-17得票数 0
回答已采纳
1回答
有一些我想聚类的坐标。使用kmeans进行聚类的结果
[[0, 107], [0, 108], [0, 109], [0, 115], [0, 116],
[0, 117], [0, 118], [0, 125], [0, 126], [0, 127],
[0, 128], [0, 135], [0, 136], [0, 194], [0, 195],
[1, 107], [1, 108], [1, 109], [1, 110], [1, 114],
[1, 115], [1, 116], [1, 117], [1, 118], [1, 119]...]
使用kmeans进行聚类的结果
fro
浏览 1提问于2021-02-22得票数 0
一个聚类(K = 1)可能是K-均值聚类中K值不同的一种有效的、最适合的聚类。在scikit中的"silhouette_score“(v0.23.1)似乎不适用于一个集群，并且会产生一个意外的错误。
下面是要复制的代码：
import numpy as np
from sklearn.metrics import silhouette_samples, silhouette_score
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2, rand
浏览 4提问于2020-07-08得票数 3
回答已采纳
假设我有一个矩阵A，它的大小是2000*1000 double。然后将Matlab在函数"kmeans"中的构建应用于矩阵A。
k = 8;
[idx,C] = kmeans(A, k, 'Distance', 'cosine');
我得到C = 8*1000 double；idx = 2000*1 double，值从1到8；根据文档，C返回k-by-p (8 by 1000)矩阵中的k个集群质心位置。idx返回一个包含每个观测结果的集群索引的n-by-1 vector。我的问题是：
1)我不知道如何理解C，质心的位置。地点应该表示为(x,y)，
浏览 6提问于2015-08-05得票数 1
回答已采纳
2回答
我观察到，相同程序的后续运行为k均值聚类提供了不同的标签，尽管原始特征是相同的。该程序将一组转换应用于原始数据帧，然后应用于新的数据帧，管道由以下顺序组成: StandardScaler -- > PCA --> K-means。在初始数据上确定的PCA和k-means模型用于下一个数据集。最后，程序进行逆变换，以便在初始特征空间中显示质心。所以我对不同的标签感到困惑，这里的相关函数是k-means .predict()
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklea
浏览 9提问于2020-05-19得票数 0
回答已采纳
我有一个由宽度w、高度h和区域A定义的矩形边框。
如何将等面积的n数的a封装在这个矩形内，使A-n*a最小。
换句话说，我们如何计算在矩形内填充的等尺寸圆的最佳数目？
我的用例：我正在使用kmeans聚类算法在地理边界框中对车辆进行聚类。为了设置kmeans算法的簇数，在应用kmeans算法之前，我尝试将圆填充作为一种导出簇数的方法。
浏览 5提问于2016-07-12得票数 1
回答已采纳
0回答
我想在组内执行kmeans，并在我的数据中添加有关簇号和观察值所分配到的中心的信息(仍然是在组内，因此组A和组B的簇1不相同)。我想我可以从kmeans中pluck集群分配和质心，然后可能将这两者连接在一起，最后，使用原始数据。为了实现前者，我想给有中心的数据帧添加一个行号，然后通过簇的数量加入。但是如何在嵌套的数据帧中添加行号呢？下面的代码运行良好，直到最后一个“嵌套”的mutate。
my_data <- data.frame(group = c(sample(c('A', 'B', 'C'), 20, replace = TRUE))
浏览 2提问于2018-07-13得票数 1
回答已采纳
2回答
在残差图中，我从server.spikes上的传感器获取的多变量时间序列数据的残差表明服务器状态异常。我希望将数据聚成垂直簇，并得到每个集群中各点的索引，这样我就可以回去查看实际数据，并得到集群中各种参数的平均值。
我试过一维高斯，Kmeans等，但它们似乎都是水平地聚在一起。
📷
我希望每个尖峰都是一个单独的集群，并获取集群中值的索引。有谁能提出解决这个问题的方法吗？谢谢。
浏览 0提问于2019-06-13得票数 1
我正在使用Python的Scikit-Learn中的Kmeans对文本数据进行聚类。我对数据的矢量化有问题，因为当我使用不同的矢量器时，得到的结果是非常不同的。我想对文本数据进行聚类(数据是关于美国政治的instagram评论)，我想为每个集群找到关键词。但是我不知道我应该使用哪个向量器。
例如，当我使用：
cv = CountVectorizer(analyzer = 'word', max_features = 8000, preprocessor=None, lowercase=True, tokenizer=None, stop_words = 'english
浏览 1提问于2019-09-12得票数 0
2回答
我试图使用K均值聚类对Imagenet数据集的样本进行聚类。
在这种方法中，我使用了以下2种方法来获得最优的集群数。
弯头法
📷
从图中看，最好的簇数是6到10。
剪影评分
Cluster : 2 | Silhouette score : 0.036273542791604996
Cluster : 3 | Silhouette score : -0.00300691369920969
Cluster : 4 | Silhouette score : 0.0025101888459175825
Cluster : 5 | Silhouette score : -0.00592495314776
浏览 0提问于2019-12-20得票数 2
回答已采纳
2回答
简短提问：
正如标题中所述，我感兴趣的是在PCA向量上应用KMeans和在KMean-ed向量上应用PCA之间的区别。
长问题：
假设我们有一个单词嵌入数据集。数据集中的每个单词都嵌入到R300中。
我们希望对数据集进行探索性分析，并为此决定应用KMeans，以便将单词分组到10个组中(任意选择的簇数)。
在完成这个过程之后，我们希望在R3中可视化结果。我们可以用两种策略来解决这个问题；
策略1-对KMeans向量和主成分分析执行R300，直到R3：
将KMeans应用于R300嵌入。
对R300嵌入执行主成分分析并获取R3向量。
根据通过R3获得的簇绘制KMeans向量
结果：http://
浏览 0提问于2018-10-21得票数 1
我有一个两列450行的数据框。首先，我必须使用不同的k值(即k个集群)运行K-means算法。每次我运行不同的k值，我都要计算SSE。我只是给出了数学方程式。SSE是通过计算每个点到其各自群集质心的距离的平方，然后将所有内容相加来计算的。所以在最后，我应该对每个k值都有SSE。
我已经到了运行k均值算法的地方：
Data.kemans <- kmeans(data, centers = 3)
我如何从这个data.kmeans中得到SSE (误差平方和)？
浏览 4提问于2018-12-07得票数 1
我正在使用MATLAB中的K-means进行一些聚类。如你所知，它的用法如下：
[IDX,C] = kmeans(X,k)
其中IDX给出了X中每个数据点的簇号，C给出了每个簇的质心。我需要获得最接近质心的数据点的索引(实际数据集X中的行号)。有人知道我是怎么做到的吗？谢谢
浏览 0提问于2010-12-09得票数 5
回答已采纳
我正在使用for循环在R中编写一个简单的函数。该函数接受一个数据集，在for循环中，它循环遍历并为k均值函数提供不同的簇数值。代码如下：
s_kmeans <- function(fname){
wss = NULL
dataset <- read.csv(file=fname1,header = TRUE, sep = ",")
for(i in 2:10)
{
results <- kmeans(dataset,i)
wss[i] <- results$to
浏览 0提问于2017-11-06得票数 0
我使用sklearn.cluster.KMeans运行了一个kmeans算法，其中我将结果保存在对象kmeans_results中。
我可以做cl_centers = kmeans_results.cluster_centers_，以获得集群中心。
cl_centers看起来是这样的：
array([[0.69332691, 0.9118433 , 0.14215727, 0.00903798],
[0.41407049, 0.95964501, 0.19565154, 0.03157038],
[0.88239715, 0.65602688, 0.20304053
浏览 3提问于2020-09-07得票数 1
回答已采纳
1回答
我有一个相对较大的图，大约有6000个顶点，我必须使用KMeans来查看5467个簇。我必须使用不同的度量标准，这就是为什么我将distance_matrix作为输入。这样做的问题是，由于n_clusters太大，它不会收敛。有人建议我进行自定义调整以使其正常工作，但我不太确定这是什么意思。这就是我在这里发布这个问题的原因。欢迎任何帮助！谢谢!下面是我的代码： from sklearn.cluster import KMeans
distance_matrix = floyd_warshall_numpy(G)
cluster = KMeans(n_clusters=5467)
clu
浏览 44提问于2021-01-28得票数 1
回答已采纳
1回答
打印每组的图像
、、、
我使用sklearn来形成图像簇，我在打印每个集群的图像时遇到了困难。
我有一个np数组序列的维数：(10000,100,100，3)
然后我把图像压平，这样每一行都呈现出一个图像。列车尺寸：(10000,30000)
我申请了KMeans。
从sklearn.cluster导入ndimage KMeans = KMeans(n_clusters=10，random_state=0)集群=kmeans.fit_predict(列车) centers = kmeans.cluster_centers_
在此之后，我要打印每个星系团的图像，
浏览 0提问于2019-08-12得票数 1
回答已采纳
1回答
Opencv中的视觉词汇袋
、、、、
我在opencv中使用BOW来对可变大小的特性进行聚类。然而，从opencv的文档中还不清楚一件事，而且我也找不到这个问题的原因：
假设:字典大小= 100。
我使用surf来计算特征，每幅图像都有可变大小的描述符，例如: 128 x 34,128 x 63等。现在，在弓中，每个描述符都是聚集在一起的，对于图像，我得到的固定描述符大小为128 x 100。我知道100是使用kmeans集群创建的集群中心。
但我感到困惑的是，如果图像有128×63的描述符，那么它怎么会聚成100个簇，除非我将描述符矩阵转换为1D，否则就不可能使用kmeans。不会转换为一维将失去有效的128维信息的单一关键点？
浏览 0提问于2013-10-24得票数 3
回答已采纳
在对一些具有3个簇的向量进行K均值拟合时，我能够获得输入数据的标签。KMeans.cluster_centers_返回中心的坐标，所以不是应该有一些与之对应的向量吗？如何找到这些簇的质心处的值？
浏览 14提问于2017-07-21得票数 5
回答已采纳
1回答
视觉词袋
、、、
我想做的事：
我试图用局部和全局特征对一些图像进行分类。
到目前为止我所做的：
我已经提取了每个图像的sift描述符，我使用它作为k-方法的输入，从每个图像的所有特征创建我的词汇表。从这里开始，我通过将图像sift特性传递给k中的预测方法，为每一幅图像创建一个直方图，这意味着给出了集群的标签。从这里开始，我通过统计每个垃圾箱的标签数来创建直方图。现在我有一个nxm矩阵，其中n是图像的数目，m是每个图像的簇数(特征/字)。
我将把这个矩阵提供给分类器，以得到我的图像分类。
简单地说，
步骤是：
提取sift特征描述符，为每幅图像提供一个nx128矩阵
将所有特性描述符堆栈到一个大列表中。
将所有
浏览 0提问于2018-05-02得票数 8
我正在使用来自KMeans ML.NET ()的聚类算法，在评估模型时，我在模型度量中看到了Davies Bouldin Index。
这个指数的范围是多少？它的零值是什么意思？
浏览 9提问于2022-03-10得票数 0
回答已采纳
1回答
我正在使用Spark进行kmeans聚类。我有一组向量，我想从这些向量中确定最有可能的簇中心。因此，我将在这个集合上运行kmeans聚类训练，并选择分配给它的向量数量最多的集群。
因此，我需要知道训练后分配给每个集群的向量的数量(即KMeans.run(.))。但是我找不到从KMeanModel结果中检索这些信息的方法。我可能需要在所有训练向量上运行predict，并计数出现最多的标签。
还有别的办法吗？
谢谢
浏览 0提问于2015-11-03得票数 5
回答已采纳
2回答
我有kmeans集群数据，以及kmeans的中心。我要计算每个星系团质心的密度，并移除最高的星系团质心密度。我做了我的研究，找到了这个公式。
N(c)是簇c的一组邻域簇质心，应该是5，I试图实现该算法，但做不到。你能帮我实现吗？
到目前为止，我的代码如下：
df = make_blobs(n_samples=5000, n_features=15,centers=15, cluster_std=1,random_state=10)
X,y=df
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.
浏览 5提问于2020-12-26得票数 2
回答已采纳
我试图通过首先在R中执行K-means聚类，然后在每个代表性聚类中采样50-100个样本来减少输入数据大小，以便进行下游分类和特征选择。 原始数据集被分割为80/20，然后80%进入K均值训练。我知道输入数据有2列标签和110列数值变量。从标签栏中，我知道有7种不同的药物治疗方法。同时，我测试了肘部方法，以找到聚类数的最佳K，它约为8。因此，我选择了10个，以便有更多的数据簇可供下游采样。 现在我已经运行完了模型<- Kmeans()，输出列表让我有点不知道该怎么做。由于我只需缩放数值变量即可将其放入kmeans函数中，因此输出集群成员不再具有该处理标签。我可以通过将集群成员资格附加到
浏览 30提问于2020-11-02得票数 0
回答已采纳
我正在为一个项目编写一个K-Means集群，它使用集群来识别对象，因此机器人几乎是自主的。相机基本上能在半秒内捕捉到一张照片。
rate，它存储在像素的“blob”中。这个斑点被发送到数据挖掘算法k-means，该算法将对象的“阴影”识别为一个簇，因此可以对机器人进行编程，以避开这些区域。我张贴我的k-means代码。它是用python编写的。
import sys, math, random
class Point:
def __init__(self, coords, reference=None):
self.coords = coords
浏览 0提问于2012-07-01得票数 0
回答已采纳
我已经根据我的数据的特性生成了我的集群中心，如您在
这是使用KMeans在火花MLib中执行的。
clusters.clusterCenters.foreach(println)
知道如何预测从这些数据中得到的簇吗？
浏览 4提问于2016-03-22得票数 5
回答已采纳
我在google云存储上的文件大小超过5 5gb，我无法将该文件加载到bigquery表中。
抛出的错误包括：
1)错误太多2)从位置2213820542开始的行中的值太多
我搜索发现这可能是因为达到了最大文件大小，所以我的问题是我如何上传超过配额策略的文件，请帮助我。我在bigquery上有一个帐号。
浏览 2提问于2016-10-14得票数 0
1回答
求K的最优值
、、
如何计算k簇从质心到簇内每个点的mean_distances。
公式：
我的代码：
def mean_distances(k, X):
"""
Arguments:
k -- int, number of clusters
X -- np.array, matrix of input features
Returns:
Array of shape (k, ), containing mean of sum distances
from centroid to each point in the cluster for k clusters
&
浏览 0提问于2018-06-19得票数 1
我目前正在对我公司的一些客户数据进行K均值聚类分析。我想要测量这个集群的性能，我只是不知道用来度量集群性能的库包，我也不确定集群是否太近了。
输入我的集群的数据是一个简单的RFM (最近、频率和货币价值)。我还包括了客户每笔交易的平均订单价值。我用弯头法来确定要使用的最优聚类数。数据由1400个客户和4个度量值组成。
附加的也是集群图的图像&R代码
drop = c('CUST_Business_NM')
#Cleaning & Scaling the Data
new_cluster_data = na.omit(data)
new_cluster_d
浏览 0提问于2020-04-11得票数 0
回答已采纳
2回答
Sales Discount Profit Product ID
0 0.050090 0.000000 0.262335 FUR-ADV-10000002
1 0.110793 0.000000 0.260662 FUR-ADV-10000108
2 0.309561 0.864121 0.241432 FUR-ADV-10000183
3 0.039217 0.591474 0.260687 FUR-ADV-10000188
4 0.070205 0.000
浏览 1提问于2019-11-27得票数 2
1回答
相似度矩阵聚类
、、
我尝试对文本数据进行聚类，数据清晰，标记化等。我如何在Kmeans或其他聚类模型中输入相似度矩阵？
from gensim import corpora
from gensim import models
from gensim.models import Word2Vec, WordEmbeddingSimilarityIndex
from gensim.similarities import SoftCosineSimilarity, SparseTermSimilarityMatrix
documents = list(data['clear_response'])
te
浏览 3提问于2020-09-01得票数 0
2回答
我有以下代码，我可以使用这些代码绘制WSS曲线来确定膝部，这样我就可以为KMeans集群选择K值。
# To find WSS
findWSS <- function(data) {
if (VERBOSE) {
print(paste("[TRACER] Finding WSS.."))
}
start <- Sys.time()
wss <- (nrow(data)-1)*sum(apply(data,2,var))
for (i in 2:length(unique(data))) {
wss[i] <- sum(kmeans(
浏览 0提问于2015-12-31得票数 1
我使用kmeans算法来确定数据集中的簇数。在下面的代码中，您可以看到我有多个特性，有些是绝对的，有些则不是。我对它们进行了编码，并对它们进行了缩放，得到了我的最佳集群数。
您可以从这里下载数据：
import sklearn.metrics as sm
from sklearn.preprocessing import scale
from sklearn.preprocessing import Normalizer
from sklearn.preprocessing import StandardScaler, MinMaxScaler
from sklearn.cluster
浏览 2提问于2020-08-18得票数 1
回答已采纳
我想使用nndist.ppx()来计算给定Kmeans集群中最近邻居的距离(df$cluster为as.factor)。首先使用kmeans( df，2)识别集群，然后将集群向量绑定到原始df，然后使用ppx(df，simplify=F)将其转换为ppx类，因为df是3D (xyz)，而nndist()需要类ppx。
问题是，我只能让nndist.ppx来计算到df中所有点的距离，而不管是什么。与我想要的很接近，因为这个距离是有限制地计算出来的。
从练习数据开始，它是一个包含2个df类元素的列表
library(spatstat)
library(stats)
df_a1 <- dat
浏览 2提问于2019-07-23得票数 0
2回答
我不清楚为什么k-均值聚类在簇中会有重叠。从陈(2018)身上我看到了以下定义：
"..let观测结果是一个样本集，被划分为K个不相交的簇“
然而，我看到我的情节有重叠之处，我不知道为什么会这样。
作为参考，我试图用三个变量(最近、频率、收入)对多维数据集进行聚类.为了可视化聚类，我可以使用PCA将3D数据投影到2D中，并对其运行k均值。下面是我得到的代码和情节：
df1=tx_user[["Recency","Frequency","Revenue"]]
#standardize
names = df1.columns
# Create
浏览 8提问于2020-03-29得票数 3
回答已采纳
1回答
如何将kfp神器与雪橇结合使用？
、、、、
我试图在顶点AI (Google )内部开发一个带有kubeflow管道(kfp)组件的定制管道。管道的步骤如下：
DataFrameuse 从一个大的查询表中读取数据创建一个熊猫 DataFrame来训练K-Means模型将模型部署到端点
下面是步骤2的代码，我必须使用Output[Artifact]作为输出，因为我发现pd.DataFrame类型不工作。
@component(base_image="python:3.9", packages_to_install=["google-cloud-bigquery","pandas","
浏览 4提问于2021-11-15得票数 0
我正在查看'cluster‘库，该库具有'clusGap’函数来提取用于Kmeans聚类的簇数。
代码如下：
# Compute Gap statistic (http://web.stanford.edu/~hastie/Papers/gap.pdf)
computeGapStatistic() <- function(data) {
gap <<- clusGap(shift_len_avg_data, FUN = kmeans, K.max = 8, B = 3)
if (ENABLE_PLOTS) {
plot(gap, main = "
浏览 1提问于2015-12-31得票数 0
2回答
使用不同颜色和标签的群集
、、、、
我正在研究文本聚类。我需要用不同的颜色来绘制数据。我使用kmeans方法进行聚类，tf-idf用于相似性。
kmeans_labels =KMeans(n_clusters=3).fit(vectorized_text).labels_
pipeline = Pipeline([('tfidf', TfidfVectorizer())])
X = pipeline.fit_transform(X_train['Sentences']).todense()
pca = PCA(n_components=2).fit(X)
data2D = pca.transf
浏览 0提问于2020-05-23得票数 1
回答已采纳
1回答
在PCL教程中，我们可以学习如何分割平面和提取欧几里德聚点云。所以现在，在我使用pcl::EuclideanClusterExtraction算法之后。我需要每个星系团的质心或平均位置。
使用pcl::EuclideanClusterExtraction，我需要用for循环计算质心。搜索之后，我发现了pcl::Kmeans，它直接提供了一个函数get_centroids()来获取集群的质心：。
现在我有点糊涂了。pcl::EuclideanClusterExtraction和pcl::Kmeans之间真正的应用程序有什么不同？在分析了源代码之后，pcl::EuclideanClusterExt
浏览 5提问于2020-10-20得票数 0
回答已采纳
idx4 = kmeans(A,4);
silhouette(A,idx4,'Euclidean')
我有一个492 x 5148维的矩阵A。我使用上面的命令在matlab上做了kmeans聚类，并使用silhouette函数进行了绘制。它很漂亮地显示了4个簇。但是现在我想知道矩阵A的哪一行被分配给了哪个集群。怎么知道呢？
浏览 0提问于2014-10-04得票数 0
1回答
根据我对K-均值聚类的理解，k被选择，质心位置被选择，样本被分配，然后质心移动到样本的平均值，直到没有更多的运动。
所以在这个例子中，如果选择3个质心的位置为(5,1)，(5,10)和(5,20)，会发生什么？我期望所有的样本都分配给(5,1)质心，然后移动到数据的平均值(5,0)，算法将结束于属于一个聚类的所有样本(其他质心不移动，并且有一次迭代)。
但是，当我在Python中使用KMeans实现这一功能时，它的行为不像这样：
In [3]: xa = [1,2,3,4,5,6,7,8,9,10]
...: xb = [0,0,0,0,0,0,0,0,0,0]
...:
浏览 13提问于2022-01-11得票数 2
我正在使用python的Scikit Learn库提供的KMeans聚类来分割彩色图像。因为我只需要绿色通道，所以我将其他两个通道设置为零。从弯曲图中，我发现有两个集群对图像是最优的。现在，当我做聚类时，我在分割的图像中有两个以上的像素值。这怎麽可能？我认为像KMeans这样的分段实际上只在最后保留了两个簇。任何帮助都是非常感谢的。谢谢。
浏览 19提问于2021-11-03得票数 0
我是一个使用文本数据的新手。
我有一个大约300,000个唯一产品名称的数据框架，我正在尝试使用k均值将相似的名称聚在一起。我使用sklearn的tfidfvectorizer将名称矢量化，并将其转换为tf-idf矩阵。
接下来，我在tf-idf矩阵上运行k均值，簇的数量从5到10。
在尝试计算为D_k ValueError: setting an array element with a sequence.解释的方差时，我遇到了卡住错误
我想绘制解释的方差与簇数的关系图，这样我就可以区分肘部在哪里。
我引用的是
from sklearn.feature_extraction.text imp
浏览 42提问于2016-08-03得票数 2
我正在为集群实现KMeans算法，我遇到了这个问题，它在jupyter平台上不起作用。我正在应用肘部方法来寻找最优的簇数。
#Now find the optimal number of clusters using elbow method
from sklearn.cluster import KMeans
wcss = []
for i in range[1,11]:
kmeans = KMeans(n_clusters = i, init = 'k-means++', max_iter = 300, n_init = 10, random_state = 0)
浏览 3提问于2019-07-20得票数 1
1回答
我得到的问题是在实现K-意味着，如何安排第一个参数的kmeans，假设这是kmeans.
[cidx center] = kmeans(F, 3, 'distance','sqEuclidean','Replicates',5);
如果大小(F)==d，n，其中‘d’‘是n中每个变量的数据点集合，则如何以适当的格式获得F。怎么得到这样的一个F？
这些'd‘(数据点)和'n’(变量)是什么？
如何将普通灰度图像转换为此格式。
对于输出中心，是一个3*n矩阵(3是簇数，'n‘是变量数)。结果如何与变量相关，有哪些变量？
我能
浏览 3提问于2012-09-18得票数 0
1回答
聚类和分类的详细信息
、、、
我正在做一项家庭作业，其中涉及聚类和分类，并需要一些帮助，因为我被困。
我有一个文件，大约有10000行，每一行都有一个随机句子，例如
他喜欢计算机科学的工作
他以前在医疗行业工作过。
她喜欢和孩子们玩
他在计算机科学领域有5年的经验。
我需要从所有输入集中构建多个聚类，然后将每个句子放入一个聚类中。
例如：
COMPUTER SCIENCE: he likes computer science jobs
COMPUTER SCIENCE: he has had 5 years experience in computer science field.
KIDS: she likes
浏览 3提问于2014-11-30得票数 0
回答已采纳
我有一个1750乘1750矩阵，Y.我想用k-均值将它聚成50个簇。我的代码是：
[idx,C] = kmeans(Y,50)
但是，我一直收到一个错误：
使用kmeans错误(第243行)
X必须有比集群数目更多的行。
为什么？怎么一回事？
我缩小了矩阵的大小，通过尝试和错误，我发现直到矩阵大小为317乘-317时，错误才会显示出来。除此之外，从318到318甚至更多，它开始抛出错误。
浏览 6提问于2015-11-08得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
