我有一个稀疏矩阵
from scipy.sparse import *
M = csr_matrix((data_np, (rows_np, columns_np)));
然后我就这样进行聚类
from sklearn.cluster import KMeans
km = KMeans(n_clusters=n, init='random', max_iter=100, n_init=1, verbose=1)
km.fit(M)
我的问题非常菜鸟:如何在没有任何额外信息的情况下打印聚类结果。我不关心绘图或距离。我只需要那样的簇行
Cluster 1
row 1
row 2
row 3
Cluster 2
row 4
row 20
row 1000
...
我怎样才能得到它?不好意思问这个问题。
最佳答案
是时候帮助自己了。之后
km.fit(M)
我们跑
labels = km.predict(M)
返回标签,numpy.ndarray。此数组中的元素数等于行数。每个元素表示一行属于该簇。 例如:如果第一个元素是 5,则表示第 1 行属于第 5 个簇。 让我们把我们的行放在这样的列表字典中 {cluster_number:[row1, row2, row3], ...}
# in row_dict we store actual meanings of rows, in my case it's russian words
clusters = {}
n = 0
for item in labels:
if item in clusters:
clusters[item].append(row_dict[n])
else:
clusters[item] = [row_dict[n]]
n +=1
并打印结果
for item in clusters:
print "Cluster ", item
for i in clusters[item]:
print i
关于python - 如何在sklearn中打印聚类结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29799053/