web-dev-qa-db-ja.com

Scikit-learn：1次元配列でKMeansを実行する方法は？

13.876（13,876）の値の配列が0から1の間にあります。sklearn.cluster.KMeansをこのベクトルにのみ適用して、値がグループ化されているさまざまなクラスターを検索します。ただし、KMeansは多次元配列では機能し、1次元配列では機能しないようです。私はそれを機能させるトリックがあると思いますが、私は方法がわかりません。 KMeans.fit（） が"X：配列のようなまたは疎行列、shape =（n_samples、n_features）"を受け入れることを確認しましたが、n_samplesを大きくする必要があります一つより

配列をnp.zeros（）行列に配置してKMeansを実行しようとしましたが、その後、すべての非null値をクラス1に、残りをクラス0に配置しています。

誰かがこのアルゴリズムを1次元配列で実行するのを手伝ってくれる？どうもありがとう！

pythonscikit-learndata-miningk-means
23
Irene

1つの特徴のサンプルが多数あるため、numpyの reshape を使用して配列を（13,876、1）に再形成できます。

from sklearn.cluster import KMeans
import numpy as np
x = np.random.random(13876)

km = KMeans()
km.fit(x.reshape(-1,1))  # -1 will be calculated to be 13876 here
37
ryanpattison

Jenks Natural Breaks についてお読みください。 Pythonの関数は記事からのリンクを見つけました：

def get_jenks_breaks(data_list, number_class):
    data_list.sort()
    mat1 = []
    for i in range(len(data_list) + 1):
        temp = []
        for j in range(number_class + 1):
            temp.append(0)
        mat1.append(temp)
    mat2 = []
    for i in range(len(data_list) + 1):
        temp = []
        for j in range(number_class + 1):
            temp.append(0)
        mat2.append(temp)
    for i in range(1, number_class + 1):
        mat1[1][i] = 1
        mat2[1][i] = 0
        for j in range(2, len(data_list) + 1):
            mat2[j][i] = float('inf')
    v = 0.0
    for l in range(2, len(data_list) + 1):
        s1 = 0.0
        s2 = 0.0
        w = 0.0
        for m in range(1, l + 1):
            i3 = l - m + 1
            val = float(data_list[i3 - 1])
            s2 += val * val
            s1 += val
            w += 1
            v = s2 - (s1 * s1) / w
            i4 = i3 - 1
            if i4 != 0:
                for j in range(2, number_class + 1):
                    if mat2[l][j] >= (v + mat2[i4][j - 1]):
                        mat1[l][j] = i3
                        mat2[l][j] = v + mat2[i4][j - 1]
        mat1[l][1] = 1
        mat2[l][1] = v
    k = len(data_list)
    kclass = []
    for i in range(number_class + 1):
        kclass.append(min(data_list))
    kclass[number_class] = float(data_list[len(data_list) - 1])
    count_num = number_class
    while count_num >= 2:  # print "rank = " + str(mat1[k][count_num])
        idx = int((mat1[k][count_num]) - 2)
        # print "val = " + str(data_list[idx])
        kclass[count_num - 1] = data_list[idx]
        k = int((mat1[k][count_num] - 1))
        count_num -= 1
    return kclass

使用と視覚化：

import numpy as np
import matplotlib.pyplot as plt

def get_jenks_breaks(...):...

x = np.random.random(30)
breaks = get_jenks_breaks(x, 5)

for line in breaks:
    plt.plot([line for _ in range(len(x))], 'k--')

plt.plot(x)
plt.grid(True)
plt.show()

結果：

enter image description here

4
Frank