Question

我正在使用Python中的K-Means（scikit-learn）聚类文本数据。如何获取该行所属的群集？

示例： data = [“红色，黄色和蓝色是颜色”，“冰淇淋是我最喜欢的食物”，“你现在也可以获得草莓味的冰淇淋”，“天空是蓝色的”]

在使用n_clusters = 2执行K-Means之后，我预计会形成两个簇。

“红色，黄色和蓝色是颜色”，“天空是蓝色”躺在一个簇中，“冰淇淋是我最喜欢的食物”，“你现在可以获得草莓味的冰淇淋”在另一个中。

我如何得到这个，即哪一行在哪个群集中？

K-means代码：

vectorizer = TfidfVectorizer(stop_words='english')
X = vectorizer.fit_transform(data)
model = KMeans(n_clusters=true_k, init='k-means++', max_iter=500,  n_init=20)
model.fit(X)

Answer 1

尝试使用{"installed": { "client_id": "yourid", "auth_uri": "https://accounts.google.com/o/oauth2/auth", "token_uri": "https://accounts.google.com/o/oauth2/token", "auth_provider_x509_cert_url": "https://www.googleapis.com/oauth2/v1/certs", "client_email": "", "client_x509_cert_url": "", "client_secret": "yoursecret", "redirect_uris": ["urn:ietf:wg:oauth:2.0:oob", "http://tooltank.de"] }}功能。

示例 -

predict

来自documentation -

预测（X）

预测X中每个样本所属的最近集群。

在矢量量化文献中，cluster_centers_被称为代码簿，而predict返回的每个值都是代码簿中最接近的代码的索引。

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。

这似乎返回了每个样本所属的集群索引数组。

也许您也可以使用 - fit_predict()功能。

您可以使用属性 - model.predict(X)（在您的情况下为cluster_centers_）和每个样本的标签model.cluster_centers_来获取群集中心。

K-means文本数据聚类：获取文本属于

1 个答案: