我使用fuzzy-c-means聚类实现，我希望数据X形成我在算法中定义的聚类数量（我相信这是它的工作方式）。但是这种行为令人困惑。
cm = FCM(n_clusters=6)
cm.fit(X)
此代码生成带有4个标签的图-[0,2,4,6]
cm = FCM(n_clusters=4)
cm.fit(X)
此代码生成带有4个标签的图-[0,1,2,3]
当我将群集号初始化为6时，我期望标签[0,1,2,3,4,5]。
代码：
from fcmeans import FCM
from matplotlib import pyplot as plt
from seaborn import scatterplot as scatter
# fit the fuzzy-c-means
fcm = FCM(n_clusters=6)
fcm.fit(X)
# outputs
fcm_centers = fcm.centers
fcm_labels = fcm.u.argmax(axis=1)
# plot result
%matplotlib inline
f, axes = plt.subplots(1, 2, figsize=(11,5))
scatter(X[:,0], X[:,1], ax=axes[0])
scatter(X[:,0], X[:,1], ax=axes[1], hue=fcm_labels)
scatter(fcm_centers[:,0], fcm_centers[:,1], ax=axes[1],marker="s",s=200)
plt.show()
答案 0 :(得分：0)
我读了一下，看起来一旦算法达到拐点（它可以对数据执行的最大簇数），就不会创造更多的东西。所以在我的问题中，4是算法在给定数据集下执行的最大聚类数。
答案 1 :(得分：0)
模糊c均值是模糊聚类算法。
标签只是模糊分配的近似值。
最有可能的两个簇非常弱，因此永远不会赢得用于产生标签的argmax操作。这并不意味着没有使用这些聚类，只是您没有使用完整的模糊结果。