Question

我想通过使用管道将StandardScaler()和KMeans()结合起来并检查kmeans＆＃39; inertia_，因为我想检查哪个群集是最好。代码如下：

ks = range(3, 5)
inertias = []
inertias_temp = 9999.0
for k in ks:
    scaler = StandardScaler()
    kmeans = KMeans(n_clusters=k, random_state=rng)
    pipeline = make_pipeline(scaler, kmeans)
    pipeline.fit(X_pca)
    labels = pipeline.predict(X_pca)
    np.round(kmeans.cluster_centers_, decimals=3)
    inertias.append(kmeans.inertia_)
if (kmeans.inertia_ < inertias_temp):
    n_clusters_min = k
    kmeans_min = kmeans
    inertias_temp = kmeans.inertia_

但是，我认为kmeans.inertia_的值可能不正确，因为它应该在pipeline.predict()之后得到。但我无法在pipeline.predict()之后获得此值。任何人都可以帮我吗？

Answer 1

可以从make_pipeline实例观察群集的惯性距离。但是，没有必要执行.predict()来观察质心数的距离。要在您的案例中访问惯性值，您可以键入如下：

pipeline.named_steps['kmeans'].inertia_

然后按照您的喜好处理它！

此外，我有一些空闲时间，所以我为你重写了一些代码以使其更有趣：

scaler = StandardScaler()
cluster = KMeans(random_state=1337)
pipe = make_pipeline(scaler, cluster)

centroids = []
inertias = []
min_ks = []
inertia_temp = 9999.0

for k in range(3, 5):
    pipe.set_params(cluster__n_clusters=k)
    pipe.fit(X_pca)
    centroid = pipe.named_steps['cluster'].cluster_centers_
    inertia = pipe.named_steps['cluster'].inertia_        
    centroids.append(centroid)
    inertias.append(inertia)

    if inertia < inertia_temp:
        min_ks.append(k)

谢谢你的提问！

如何在使用Pipline后获得KMeans的惯性值

1 个答案: