Question

我有一个包含两个属性的点数据集，我想根据属性值对这些点进行聚类。我想使用K表示聚类，但我不确定在使用Scipy的实现时我的输入数据应该是什么样子。

例如，我应该创建一个numpy数组，每行包含：FID，属性1，属性2，x-coord，y-coord或仅包含属性值的数组？属性是整数和浮点数。

Answer 1

数据中的每一行都应是离散的观察值，列应与数据的要素或维度相对应。对于您的情况：FID，属性1，属性2，x-coord，y-coord应该在列上，每行应代表不同时间步的观察值。

"txt0"

其中Data应为Nx5矩阵，其中5列应对应于您的5个特征FID，属性1，属性2，x-coord，y-coord和N个对应于N个观察的行。换句话说，将您的FID数据数组重新整形为列向量，对其他要素进行相同处理，并将它们水平连接并将其作为kmeans函数的参数。 nbStates表示您希望看到的簇数，应该事先设置它。结果是中心是NxM矩阵，其中N对应于簇，M对应于数据中的要素数。 Data_id矩阵是一个列向量，表示与每个群集对应的数据点的标签。它是Nx1矩阵，其中N是多个数据点。

Answer 2

如果你想仅仅根据属性进行聚类，你应该创建一个2xN矩阵（根据scipy docs），你的属性为列，每个数据点为行。

您可能会通过白化（规范化）数据点来增强结果。假设您的数据有两个字段attr1和attr2，并且您有一个包含它们的列表dataset，则相应的代码应如下所示：

from scipy.cluster.vq import kmeans, whiten 

data = np.ndarray((2, len(dataset))
for row, d in enumerate(dataset):
    data[0, row] = d.attr1
    data[1, row] = d.attr2

whitened_data = np.whiten(data)

clusters, _ = scipy.cluster.vq.kmeans(data, 5)  # 5 is the number of clusters you assume
assignments, _ = vq(data, clusters)

K的数据输入意味着使用Scipy，Python进行聚类？

2 个答案: