Tensorflow KMeans和GMM坏了？
TensorFlow是一个开源的机器学习框架，提供了丰富的工具和库来支持各种机器学习任务。KMeans和GMM是TensorFlow中常用的聚类算法。
KMeans是一种基于距离的聚类算法，它将数据集划分为K个簇，每个簇的中心点代表了该簇的特征。KMeans算法的优势在于简单易懂、计算效率高，适用于大规模数据集的聚类任务。它可以用于图像分割、用户行为分析、推荐系统等应用场景。
GMM（Gaussian Mixture Model）是一种基于概率模型的聚类算法，它假设数据集由多个高斯分布组成，每个高斯分布代表一个簇。GMM算法的优势在于对数据分布的建模更加灵活，适用于复杂数据集的聚类任务。它可以用于图像分割、异常检测、语音识别等应用场景。
如果TensorFlow中的KMeans和GMM算法出现问题，可能是由于以下原因：
- 数据质量问题：聚类算法对数据的质量要求较高，如果数据存在异常值、缺失值或噪声等问题，可能会导致聚类结果不准确。
- 参数设置问题：KMeans和GMM算法都需要设置一些参数，如簇的个数、迭代次数等。不合理的参数设置可能会导致算法无法收敛或者得到不理想的结果。
- 数据量过大：如果数据量过大，可能会导致算法的计算复杂度增加，从而影响算法的运行效率和准确性。
针对KMeans和GMM算法坏了的问题，可以尝试以下解决方法：
- 数据预处理：对数据进行清洗、去除异常值、填补缺失值等预处理操作，以提高数据质量。
- 参数调优：根据具体问题的特点和需求，调整KMeans和GMM算法的参数，如簇的个数、迭代次数等，以获得更好的聚类效果。
- 数据采样或降维：如果数据量过大，可以考虑对数据进行采样或降维操作，以减少计算复杂度。
腾讯云提供了一系列与机器学习和人工智能相关的产品和服务，可以帮助开发者进行模型训练、部署和推理等任务。具体推荐的产品和产品介绍链接地址如下：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tcml）：提供了丰富的机器学习工具和算法库，支持模型训练、调优和部署等任务。
- 腾讯云AI开放平台（https://cloud.tencent.com/product/ai）：提供了多个人工智能相关的API和SDK，包括图像识别、语音识别、自然语言处理等功能。
请注意，以上推荐的产品和链接仅供参考，具体选择和使用需根据实际需求和情况进行。
相关·内容
前面的问题：如何使用sklearn.mixture.GaussianMixture ( GMM )中的weights_init参数来从由单独的python包执行的K-Means的输出中初始化GMM？
目标：
使用RAPIDS library.Initialize GaussianMixture对GPU集群上的大型数据集执行K-均值聚类，使用目标1. 的输出。
Requirement：确保将外部K-Means算法与scikit-learn的GMM配对在默认的GMM初始化方法中产生相同的行为。
GMM的默认实现如下：
from sklearn.mixture import GaussianMixt
浏览 1提问于2020-09-01得票数 0
回答已采纳
1回答
如何使用高斯混合模型进行聚类？
、、、、
我一直在使用k-Means将数据聚类为2类。然而，现在，我想使用一种不同的方法，使用高斯混合模型将数据聚类到两个类别中。我已经阅读了Scikit-Learn文档和其他SO问题，但我无法理解如何在我目前的上下文中使用GMM进行2类聚类。 我可以很容易地使用k-Means将数据聚类为2类，如下所示： import pandas as pd
from scipy import stats
from sklearn.cluster import KMeans
import numpy as np
df = pd.read_pickle('my_df.pkl')
clmns = df
浏览 31提问于2019-03-15得票数 0
1回答
我知道Gaussian mixture model是K-means的一个推广，因此应该更准确。
但我无法从下面的聚类图像中看出，为什么用K-means获得的结果在某些区域更准确(比如斑点噪声以浅蓝色点显示，在Gaussian Mixture Model结果中持续存在，而在K-means结果中不存在)。
下面是这两种方法的matlab代码：
% kmeans
L1 = kmeans(X, 2, 'Replicates', 5);
kmeansClusters = reshape(L1, [numRows numCols]);
figure('name', '
浏览 2提问于2016-03-31得票数 3
回答已采纳
tensorflow框架中有什么大问题吗?或者我只是在这里犯了一些简单的错误。我试图让GMM或KMeans集群工作，但我完全卡住了。
import numpy as np
import tensorflow as tf
from tensorflow.contrib.learn.python.learn.estimators.kmeans import KMeansClustering
def make_random_centers(num_centers, num_dims):
return np.round(np.random.rand(num_centers,
浏览 18提问于2017-12-17得票数 2
1回答
我已经达到了一个阶段，我的数组已经变得庞大，一个函数大约需要2天的时间来计算。
我正在处理图像处理，并使用kmeans和gmm - fitgmdist.
我有一个工作站与Nvidia特斯拉GPU，这是支持的名单，我想利用他们的处理能力，以帮助加快我的工作。
查看文档，我了解到，为了使用GPU函数，我所要做的就是首先将传递给函数的数组传递给GPU。即
model_feats = get_feats(all_imges);
kmeans = kmeans(model_feats, gaussians, 'EmptyAction','singleton', '
浏览 2提问于2015-06-06得票数 1
回答已采纳
我在Tensorflow中使用GMM时遇到了这个奇怪的问题。
InvalidArgumentError (see above for traceback): Cholesky decomposition was not successful. The input might not be valid.
我使用的代码如下所示。
from tensorflow.contrib.factorization.python.ops import gmm as gmm_lib
import random
import numpy as np
import tensorflow as tf
class D
浏览 1提问于2018-05-09得票数 2
我尝试在给定的DataFrame上应用GMM聚类算法(与https://spark.apache.org/docs/latest/ml-clustering.html中一样)，如下所示： vector.show(1) ID |功能 33.0 |0.01.0 27043.0，.... type(vector) pyspark.sql.dataframe.DataFrame type(vector.select('features')) pyspark.sql.dataframe.DataFrame vector.printSchema() 根部 |-- id:双精度(nulla
浏览 32提问于2019-05-31得票数 2
1回答
我运行KMeans来对数据进行集群，例如
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=N, random_state=0).fit(X)
Centers = kmeans.cluster_centers_
现在，我需要使用placeholder并使用如下代码
X = tf.placeholder(tf.float32, shape=(None, num_features))
kmeans = KMeans(n_clusters=N, random_state=0).fit(X)
Centers = kmeans.c
浏览 3提问于2022-04-13得票数 0
回答已采纳
我从本教程中提取了matlab代码，。
为了测试clustering算法对gabor filters的多维texture响应，我使用了Gaussian Mixture和Fuzzy C-means，而不是K-means来比较它们的结果(在所有情况下，集群数=2)：
原始图像：
K-系指组群：
L = kmeans(X, 2, 'Replicates', 5);
全球监测机制集群：
options = statset('MaxIter',1000);
gmm = fitgmdist(X, 2, 'Options', options
浏览 0提问于2015-11-19得票数 6
回答已采纳
4回答
是否有在结构化数据中执行聚类的深度学习文献/参考资料？我知道这可以使用Kmeans，GMM等来完成，但是有没有可能使用深度神经网络等来完成聚类分析呢？谢谢。
浏览 0提问于2019-02-01得票数 0
1回答
我正在尝试初始化几个GMM，以便与GMMHMM的gmms_属性一起使用。每个GMM实例具有不同的均值、权重和协方差，并充当GMMHMM的5分量混合物的一个组成部分。均值、权重和协方差由我想要拟合的数据集的(5-簇)k-均值算法确定，其中均值是每个簇的中心，权重是每个簇的权重，协方差是每个集群的-你猜到的-协方差。
下面是一个代码片段：
X_clusters = cls.KMeans(n_clusters=5)
fitted_X = X_clusters.fit(X)
means = fitted_X.cluster_centers_
cluster_arrays = extract_feat(
浏览 3提问于2016-05-08得票数 0
回答已采纳
1回答
我现在正在尝试在我的实验中使用GMM。但我有以下问题。我对这个错误感到很困惑。
import tensorflow as tf
class GMMDataLoader:
def __init__(self, points, batch_size):
self.points = points
self.batch_size = batch_size
num_points = points.shape[0]
self.num_points = num_points
dim = points.shape[1]
浏览 4提问于2018-01-22得票数 2
1回答
我有以下Makefile：
CPLUS=g++
CFLAGS = -Wall -O3
LIBS = -lm -lopenblas -llapacke -lvl
HEADERS = -I./vlfeat-0.9.21
all: classification_scheme
classification_scheme: ./output/main.o ./output/trainpredict.o ./output/svm.o ./output/general_utilities.o ./output/postprocess.o ./output/preprocess.o \
./output/
浏览 3提问于2020-02-27得票数 2
回答已采纳
3回答
理解高斯混合模型的概念
、、、、
我试图通过阅读在线资源来理解GMM。我已经使用K-means实现了聚类，并正在查看GMM与K-Means的比较结果。
以下是我的理解，如果我的概念是错的，请告诉我：
GMM类似于KNN，在这两种情况下都实现了聚类。但在GMM中，每个簇都有自己独立的均值和协方差。此外，k-means执行数据点到集群的硬分配，而在GMM中，我们得到独立高斯分布的集合，并且对于每个数据点，我们都有属于其中一个分布的概率。
为了更好地理解它，我使用MatLab对其进行了编码并实现了所需的集群。我使用SIFT特征进行特征提取。并且已经使用k-means聚类来初始化值。(这来自文档)
%images is a 459 x
浏览 4提问于2014-09-24得票数 25
回答已采纳
我使用Tensorflow来计算DELF特性。我正在使用来自tensorflow模型的下一个例子：。
这里有一条线：
kmeans = tf.estimator.experimental.KMeans(...)
但我没有这样的模式：
'tensorflow_estimator.python.estimator.api.estimator.experimental‘模块AttributeError没有属性“KMeans”
我的配置:张力板1.13.1 py37hf484d3e_
tensorflow 1.13.1 gpu_py37hc158e3b_
tensorflow-碱1.1
浏览 1提问于2019-05-27得票数 1
回答已采纳
1回答
我正在尝试使用Tensorflow实现高斯混合模型。有没有关于如何实现它的指南或例子？
我试着从tensorflow示例中实现GMM。但我认为这是错误的。
浏览 0提问于2017-02-28得票数 0
我正在使用python 3.8.8，Tensorflow-gpu:2.4.1，而scikit-learn的版本是0.24.2。 在旧版本中，我没有这个问题，但我必须升级我的python和tensorflow才能在gpu上运行我的代码。错误是 from sklearn.cluster._kmeans import _init_centroids
ImportError: cannot import name '_init_centroids' from 'sklearn.cluster._kmeans' 我该如何解决这个问题？
浏览 689提问于2021-05-09得票数 0
2回答
我使用Sklearn对一些数据进行高斯混合模型(GMM)的估计。
在估计之后，我有许多查询点。我想得到它们属于每一个估计高斯的概率。
下面的代码有效。但是，gmm_sk.predict_proba(query_points)部分非常慢，因为我需要在100000组样本上多次运行它，其中每个样本包含1000个点。
我想它之所以发生是因为它是连续的。有什么办法使它平行吗？或者其他让它更快的方法？也许在GPU上使用TensorFlow？
我看到TensorFlow有自己的GMM算法，但是很难实现。
下面是我编写的代码：
import numpy as np
from sklearn.mixture i
浏览 11提问于2017-07-06得票数 3
在Tensorflow 1.13.1中，可以使用KMeans alogithm使用tf.contrib.factorization.KMeans构建聚类模型，但是在升级到TensorFlow 2.0之后，我发现很难找到适合构建集群模型的API。我为K-均值tf.compat.v1.estimator.experimental.KMeans找到了一个估值器API。然而，它并不像前者那样对开发人员友好。我需要使用TensorFlow实现集群模型，但不确定哪个API合适。
浏览 2提问于2020-04-28得票数 1
回答已采纳
你好，我是tensorflow的新手。我想调试Tensorflow (skflow) gmm_ops.py (高斯混合模型)。我得到了错误:tensorflow:模型与loss = NaN有分歧。我该怎么做呢？有什么例子吗？
raise NanLossDuringTrainingError
tensorflow.python.training.basic_session_run_hooks.NanLossDuringTrainingError: NaN loss during training.
浏览 10提问于2017-03-02得票数 0
1回答
如下图所示，我有星团。
📷
数据为2d :误差和时间两个参数。我尝试使用以下聚类算法: 1) kmeans:集群是球形的。这个algo聚在一起如下：
📷
。克密斯确实根据需要形成了集群。2)dbscan:问题--我有不同密度的簇。它将每个数据点分配给有噪声的聚类，即给每个点分配一个-1的标签。3) GMM:这也没有按需要对数据点进行聚类。它执行类似于kmeans的聚类。4)亲和性传播是一种内存错误。
请有人建议一种为每个视觉上可分离的集群分配不同标签的方法。
浏览 0提问于2019-06-19得票数 0
3回答
我正在学习非线性聚类算法，我偶然看到了这个二维图。我想知道哪种聚类算法和超参数组合可以很好地对数据进行聚类。
就像人类会聚集这5个尖峰一样。我希望我的算法能做到这一点。我尝试了KMeans，但它只是水平地或垂直地进行聚类。我开始使用GMM，但无法为所需的集群获得正确的超参数。
浏览 0提问于2019-05-31得票数 6
回答已采纳
我已经成功地在Android studio中安装了Alize，但是我不知道是否会生成gmm/world.gmm文件。另外，我不确定我们是否可以使用.3gp格式的录音。有人能指导我吗，代码片段会很有帮助。
在问题被标记之前。请注意1]我已经阅读了Alize上的所有支持文档2]我已经阅读了StackOverflow、GitHub、ResearchGate 3上的所有问题和问题]我尝试了TensorFlow和Microsoft Cognitive API，但没有一个真正对我有帮助。
浏览 0提问于2018-03-30得票数 3
1回答
我正在尝试编写一个函数，该函数在dataset上运行KMeans并输出集群质心。我的目标是在自定义的keras层中使用它，所以我使用了TensorFlow的KMeans实现，该实现以一个张量作为输入数据集。
然而，我的问题是，即使作为一个独立的函数，我也无法使它工作。问题来自这样一个事实：KMeans接受一个生成器函数，该函数提供迷你批而不是普通的张量，但是当我使用闭包这样做时，我会得到一个graph disconnected错误：
import tensorflow as tf # version: 2.4.
浏览 5提问于2021-04-14得票数 3
我有关于x和y位置的二维数据，最多可以容纳上百万个细胞。我想把这些单元格自动注释到不同的位置。在下面的例子中，我希望找到4个与4个椭圆对应的簇。到目前为止，我尝试了kmeans和GMM，但未能正确地将细胞注入到预期的集群中。HDBSCAN能够在单元格的子集上这样做，但受到整个数据集上RAM的限制。还有其他的R工具适合这个用例吗？谢谢
浏览 1提问于2022-01-24得票数 0
我正在尝试使用tensorflow.contrib.learn.KMeansClustering作为Tensorflow中图形的一部分。我想用它作为一个图表的组成部分，给我预测和中心。守则的有关部分如下：
with tf.variable_scope('kmeans'):
kmeans = KMeansClustering(num_clusters=num_clusters,
relative_tolerance=0.0001)
kmeans.fit(input_fn= (lambda : [X, No
浏览 14提问于2017-10-09得票数 3
回答已采纳
1回答
我试着在n维数据上运行kmeans算法。
我有N个点，每个点都有{ x, y, z, ... , n }特性。
我的代码如下：
cv::Mat points(N, n, CV_32F);
// fill the data points
cv::Mat labels; cv::Mat centers;
cv::kmeans(points, k, labels, cv::TermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 1000, 0.001), 10, cv::KMEANS_PP_CENTERS, centers);
问题是kmeans算法遇到了
浏览 0提问于2016-04-18得票数 0
回答已采纳
TF 1.13 https://www.tensorflow.org/api_docs/python/tf/contrib/factorization/KMeans中有一个kMeans聚类功能。 我想知道TF 2.0是否也有类似的功能
浏览 17提问于2019-05-28得票数 1
我才刚开始进入酒瓶。我创建了一个超级简单的酒瓶应用程序。
from flask import Flask
app = Flask(__name__)
@app.route("/")
def home():
return "Hello, World!"
if __name__ == "__main__":
app.run(debug=True)
我可以在我的Anaconda提示符中运行'python hello-world.py‘，转到'localhost:5000’，它就像预期的那样工作。我想知道如何
浏览 2提问于2020-09-01得票数 0
回答已采纳
1回答
如何将包含47列和99999行的熊猫数据库转换为Tensorflow 2中的张量？Kmeans算法是否已经在TF 2下实现了？因为命令tf.contrib.factorization.KMeans不能在TF2下工作，因为第二个API上不再存在tf.contrib
列表项目
浏览 0提问于2019-07-18得票数 0
我正在尝试使用TensorFlow 2.0实现简单的k均值集群。预期使用@tf.function修饰的函数，包括那些具有for循环的函数，将使用签名进行转换。
请让我知道是什么导致了ValueError。
tf_kmeans.py
import tensorflow as tf
import numpy as np
from typeguard import typechecked
from typing import Union
@tf.function
def train_kmeans(X: Union[tf.Tensor, np.ndarray],
k: Union[int,
浏览 2提问于2020-04-10得票数 1
回答已采纳
我有个问题。我正在使用comirva包进行语音识别。我从一个音频文件中提取了MFCC系数。在这次手术之后，我不知道如何继续下去。我学到了comirva.audio.util.kmeans.KMeansClustering类必须在MFCC之后使用。然后必须使用comirva.audio.util.gmm.GaussianComponent类。但我不知道如何初始化KMeansClustering类，然后初始化GaussianComponent类，然后必须做什么。请你有任何想法，帮帮我。
浏览 0提问于2011-04-24得票数 1
回答已采纳
我试图使用SilhouetteVisualizer函数在YellowBrick中创建一个轮廓图，以实现kmeans聚类，但是我仍然得到了下面的错误。当我在相同的数据上应用KElbowVisualizer函数(在YellowBrick中)时，我没有遇到这个问题。我在这两个函数中使用的代码如下所示。感谢任何人能在这个问题上提供帮助，谢谢！
KElbow可视化代码
kmeans_kwargs = {"init": "random", "n_init": 10, "max_iter": 300, "random_state"
浏览 17提问于2022-10-17得票数 0
我试图使用BigQuery ML加载保存的tensorflow模型来进行预测。但是，当我运行读取GCS中保存的模型的查询时，我得到了以下错误：
TensorFlow SavedModel output output had no dimensions, which is not supported
我使用tf.compat.v1.estimator.experimental.KMeans保存了一个K均值模型，这是我的代码：
def input_fn():
return tf.data.Dataset.from_tensors(tf.convert_to_tensor(df.loc[:,
浏览 6提问于2022-04-05得票数 0
我试图对一组数据点进行聚类，这些数据点表示为稀疏的枕矩阵，即，
>>> print type(X)
<class 'scipy.sparse.csr.csr_matrix'>
>>> print X.shape
(57, 1038)
>>> print X[0]
(0, 223) 0.471313296962
(0, 420) 0.621222153695
(0, 1030) 0.442688836467
(0, 124) 0.442688836467
但是，当我将这个矩阵输
浏览 0提问于2013-11-14得票数 0
回答已采纳
根据tensorflow的文档，有两个类与Kmeans算法相关。其中一个是，另一个是。文档指出前者是用于为kmeans聚类创建图的，但我实际上并没有得到它。我想使用kmeans for MNIST数据集对数字进行聚类，然后对它们进行分类。我应该为我的代码使用哪个类？
浏览 16提问于2018-07-26得票数 2
1回答
我正在使用TensorFlow中的三维点云数据训练模型。我的批次大小是64，所以TensorFlow希望收到64批次的3D点，如：(64,1024,3)。当我运行训练代码时： feed_dict = {ops['points_pl']: augmented_data,
ops['labels_pl']: current_label[start_idx:end_idx],
ops['w_pl']: gmm.weights_,
浏览 21提问于2019-01-29得票数 0
我有一个包含多个标签和特性的星星之火数据文件，这些标签和特性对应于每个标签，如下所示：
+----------------+--------------------+
| label| feature_paths|
+----------------+--------------------+
| person1|[-0.015756417, 0....|
| person1|[-0.05177306, 0.1...|
| person1|[-0.11631858, 0.1...|
| person
浏览 0提问于2018-11-15得票数 2
回答已采纳
我正在通过在Tensorflow上获得与许多k均值试验具有最低平均距离的结果来在我的数据中找到最佳聚类集。
但我的代码不会在每次试验中更新初始质心，因此所有结果都是相同的。
这是我的code1 - tensor_kmeans.py
import numpy as np
import pandas as pd
import random
import tensorflow as tf
from tensorflow.contrib.factorization import KMeans
from sklearn import metrics
import imp
import pickle
#
浏览 13提问于2018-02-06得票数 0
回答已采纳
1回答
我已经为无监督的聚类编写了一个用py魅力编写的脚本。我想知道为什么吡咯烷酮会给我这个错误。我知道这里缺少一个争论，但我该如何纠正呢？
Traceback (most recent call last):
File "F:/Python/Projects/Kmeans.Clustering.py", line 36, in <module>
y_Kmeans = KMeans.fit_predict(points)
TypeError: fit_predict() missing 1 required positional argument: 'X'
浏览 1提问于2021-03-04得票数 1
回答已采纳
我读过以前的字符串。我的数据以数组的形式提供给占位符。试图在喂食前将数据转换为张量会产生不同的(逆)错误消息。在这种情况下，其他解决办法似乎也不起作用。这是最小的代码。
from __future__ import print_function
import numpy as np
import tensorflow as tf
from tensorflow.contrib.factorization import KMeans
X = tf.placeholder(tf.float32, shape=[None, 10], name="X")
data = np.ra
浏览 1提问于2018-01-18得票数 2
回答已采纳
我试图以概率的方式聚集一组点。使用下面的内容，我有一组xy点，记录在X和Y中。我想使用一个引用点聚成几个组，这个引用点显示在X2和Y2中。
在一个答案的帮助下，当前的方法是使用k-均值测量与参考点和组之间的距离。尽管它提供了一种使用参考点进行聚类的方法，但是k簇的硬截止和依附使得它在处理许多数据集时有点不合适。例如，本例所需的集群数可能为3，但单独的示例可能有所不同。每次我都要手动通过并修改k。
考虑到k-的非概率性质，另一种选择可能是GMM。是否有可能在建模时说明参考点？如果我将输出附加在底层模型下面，就不会像我所希望的那样进行聚类。
如果我看看每个点都在一个组内的概率，它就不会像我所希望的
浏览 5提问于2021-01-29得票数 2
回答已采纳
SimpleKMeans kmeans = new SimpleKMeans();
int numberOfClusters = 2;
int[] assignments = null;
kmeans.setSeed(10);
// This is the important parameter to set
kmeans.setPreserveInstancesOrder(true);
try {
kmeans.setNumClusters(numberOfClusters);
kmeans.buil
浏览 5提问于2014-12-17得票数 2
回答已采纳
我目前正在使用来自tensorflow.contrib.factorization模块的tensorflow.contrib.factorization类。我的输入是(假设定义了所有变量)：
kmeans = KMeans(inputs=X, num_clusters=k, distance_metric='cosine', use_mini_batch=True)
我正在按照的文档来解压缩如下的值：
(all_scores, cluster_idx, scores, cluster_centers_initialized, init_op, train_op) = kmean
浏览 4提问于2018-02-15得票数 2
回答已采纳
我需要对包含分类和数字特征的客户数据进行聚类。数字特征不在相同的范围内(年龄，收入...)。在我使用StandardScale对其进行缩放之后，我尝试使用Mclust处理数值数据，但这给了我相交的组。
1-如果使用Standardscale的结果不令人满意，我应该进行标准化吗?2-使用K-Prototype进行聚类的最佳方法是什么?3-聚类方法应该依赖于数据分布吗？
我用的是熊猫，这是我用过的：
#K-mean Cluster#search K
from scipy.spatial import distance as sci_distance
from sklearn import
浏览 0提问于2018-03-04得票数 0
我想做的是使用以下函数在VAE网络中添加三个外部可训练参数：
def gmmpara_init():
theta_init = tf.Variable(K.ones((n_centroid,1))/n_centroid,trainable=True)
u_init=tf.Variable(K.zeros((n_centroid,latent_dim)),trainable=True)
lambda_init=tf.Variable(K.ones((n_centroid,latent_dim)),trainable=True)
return theta_init
浏览 0提问于2020-07-02得票数 1
1回答
在群集中向dataset添加条件
、、、、
我对ML和Datascience非常陌生，所以我的问题可能有点傻。我有一个数据集，每一行都是向量a1、a2、a3、a3、.这些向量不仅在测量值上不同，而且在n和和A= a1 + a2 + a3 +...+ an上也是不同的。
除了15-20维外，大多数矢量都有5-6维.平均而言，它们的成分的价值通常在40-50之间。
我尝试过Kmeans、DBSCAN和GMM对它们进行集群：
gives总体上给出了最好的结果，但是对于2-3维向量和A值较低的向量，往往分类错误。
DBSCAN只能将低维和低A的向量从数据集中分离出来，其余的作为噪声处理。
GMM用5-10维，低A，很好的分离向量，但
浏览 4提问于2017-08-29得票数 0
我知道这有点愚蠢，因为BigQueryML现在为KM棍提供了良好的初始化。尽管如此，我还是被要求在tensorflow中训练一个模型，然后将它传递给BigQuery进行预测。
我保存了我的模型，一切都很好，直到我尝试将它上传到bigquery。我得到以下错误：
TensorFlow SavedModel output output has an unsupported shape: unknown_rank: true
因此，我的问题是:在BigQuery中不可能使用tensorflow训练的kmeans算法吗？
编辑
创建模型：
kmeans = tf.compat.v1.estimator
浏览 6提问于2020-02-11得票数 3
2回答
K-means聚类中的聚类组织
、、、、
我正在使用python for k-means集群for Mnist数据库()。我能够成功地对数据进行集群，但无法标记集群。意思是，我看不出哪个簇号包含什么数字。例如，簇5可以包含数字7。
我需要编写一段代码，以便在k-means聚类完成后正确地标记聚类。还需要添加一个图例到代码。
from __future__ import division, print_function, absolute_import
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from mpl_tool
浏览 0提问于2018-10-11得票数 4
我想做以下几点：
使用tensorflow运行kmeans聚类(1.8.0)
使用kmeans.export_savedmodel保存模型
使用tf.saved_model.loader.load的模型
我使用的确切脚本是：
我使用以下代码保存模型：
输入接收者：
def serving_input_receiver_fn():
feature_spec = {"x": tf.FixedLenFeature(dtype=tf.float32, shape=[2])}
model_placeholder = tf.placeholder(dty
浏览 1提问于2018-05-10得票数 1
回答已采纳
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
