我有一个如下所示的数据集:
search_term = ['computer','usb port', 'phone adaptor']
clicks = [3,2,1]
bounce = [0,0,2]
conversion = [4,1,0]
我想将它输入到 kmeans 模型中,但是我在将列表转换为矩阵格式时遇到问题,以便它可以被 kmeans 摄取。我还想使用 PCA 减少维度,以便可以在二维图中可视化。
这就是我的代码:
X = np.array(clicks, bounce, conversion)
y = np.array(search_terms)
num_clusters = 3
pca = PCA(n_components=2, whiten=True).fit(X)
X_pca = pca.transform(X)
km=KMeans(n_clusters=num_clusters, init='k-means++',n_init=10, verbose=1)
km.fit(X_pca)
print km.labels_[:10]
这是我得到的错误:
TypeError: unsupported operand type(s) for -: 'numpy.ndarray' and 'numpy.ndarray'
此外,一旦聚类完成,我希望能够看到哪些搜索词属于哪个聚类,所以我不确定设置 y = np.array(search_terms) 是否正确?
请指教。
最佳答案
下面的代码应该可以工作。如果情况并非如此,请告诉我。
import numpy as np
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans
search_terms = ['computer','usb port', 'phone adaptor']
clicks = [3,2,1]
bounce = [0,0,2]
conversion = [4,1,0]
X = np.array([clicks, bounce, conversion]).T
y = np.array(search_terms)
num_clusters = 3
X_pca = PCA(n_components=2, whiten=True).fit_transform(X)
km = KMeans(n_clusters=num_clusters, init='k-means++',n_init=10, verbose=1)
km.fit(X_pca)
关于python - 为 kmeans 和 PCA 转换数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31148543/