Blaze with Scikit学习K-Means

Question

我正在尝试将Blaze数据对象设置为scikit kmeans函数。

from blaze import *
from sklearn.cluster import KMeans
data_numeric = Data('data.csv')
data_cluster = KMeans(n_clusters=5)
data_cluster.fit(data_numeric)

数据样本：

A  B  C
1  32 34
5  57 92
89 67 21

抛出错误：

我已经能够用Pandas Dataframe做到这一点。有没有办法将blaze对象提供给这个函数？

Answer 1

我认为您需要在适合之前将您的pandas数据帧转换为numpy数组。

from blaze import *
import numpy

from sklearn.cluster import KMeans
data_numeric = numpy.array(data('data.csv'))
data_cluster = KMeans(n_clusters=5)
data_cluster.fit(data_numeric)

Answer 2

sklearn.cluster.KMeans不支持类型为blaze.interactive._Data的输入数据，这是您代码中data_numeric的类型。

您可以使用data_cluster.fit(data_numeric.peek())来填充DataFrame支持的sklearn.cluster.KMeans类型的已传输data_numeric。

Answer 3

我建议您选择群集数量（K）远小于数据集中的训练样本数量。当您想要的簇数大于或等于训练样本数时，运行K-Means算法是不对的。 当您尝试将具有不良形状的闪耀对象传递给KMeans函数时，会发生此错误。 请检查 ： https://blaze.readthedocs.io/en/latest/csv.html

Answer 4

是的，在您适应之前，您必须将您的pandas数据帧转换为numpy数组，现在它的工作正常...我认为@aberger已经回答了。

谢谢你！