Question

我正在学习python scikit。这里给出的例子显示每个群集中最常出现的单词，而不是群集名称。

http://scikit-learn.org/stable/auto_examples/document_clustering.html

我发现km对象有“km.label”，它列出了质心id，即数字。

我有两个问题

1. How do I generate the cluster labels?
2. How to identify the members of the clusters for further processing.

我有k-means的工作知识并且知道tf-id概念。

Answer 1

如何生成群集标签？

我不确定你的意思。除了群集1，群集2，...，群集n之外，您没有群集标签。这就是为什么它被称为无监督学习，因为没有标签。

你的意思是你真的有标签，你想看看聚类算法是否恰好根据你的标签聚类数据？

在这种情况下，您链接到的文档提供了一个示例：

print("Homogeneity: %0.3f" % metrics.homogeneity_score(labels, km.labels_))
print("Completeness: %0.3f" % metrics.completeness_score(labels, km.labels_))
print("V-measure: %0.3f" % metrics.v_measure_score(labels, km.labels_))

如何识别群集成员以进行进一步处理。

请参阅documentation for KMeans。特别是predict方法：

预测（X）

参数：     X：{array-like，sparse matrix}，shape = [n_samples，n_features]要预测的新数据。

返回：
    标签：数组，形状[n_samples，]     每个样本所属的集群索引。

如果您不想预测新内容，km.labels_应该对培训数据进行预测。

Answer 2

哦，很简单

我的环境： scikit学习版本'0.20.0'

就像在文档中一样使用属性.labels_：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

from sklearn.cluster import KMeans
import numpy as np

工作示例：

x1 = [[1],[1],[2],[2],[2],[3],[3],[7],[7],[7]]
x2 = [[1],[1],[2],[2],[2],[3],[3],[7],[7],[7]]

X_2D = np.concatenate((x1,x2),axis=1)

kmeans = KMeans(n_clusters=4, init='k-means++', max_iter=300, n_init=10, random_state=0)
labels = kmeans.fit(X_2D)

print(labels.labels_)

输出：

[2 2 3 3 3 0 0 1 1 1]

如您所见，我们有4个簇，并且X_2D数组中的每个数据示例都相应地分配了一个标签。

如何识别kmeans scikit中的集群标签

2 个答案: