我有一个总结网络的数据,包括用户的cookie id、 session id、 Material 数量以及网络中的跳转次数。我想对它们进行聚类并进一步分析它们。因此,需要知道哪个 session 中的哪个cookie id被标记在哪个集群中。示例数据:
cookie_id|ses_num|num_material|num_jump
2345 1 2 1
2345 2 8 12
3456 1 3 2
我已经使用最后两列应用了 k-means 聚类,但无法将聚类输出返回到正确的 id,因为我无法使用 cookie id 和 session id 作为聚类的输入。
columns = defaultdict(list)
with open('num_jumps_materials_in_network.csv',"r") as file:
reader = csv.reader(file, delimiter='|', quotechar='"')
next(reader)
for row in reader:
for i, v in enumerate(row):
columns[i].append(v)
cookie_id = columns[0]
ses_num = columns[1]
num_mat = columns[2]
num_jump = columns[3]
x1 = []
x2 = []
i = 0
while (i<len(num_mat)):
a = int(num_mat[i])
b = int(num_jump[i])
x1.append(a)
x2.append(b)
i+=1
X = np.array(list(zip(x1, x2))).reshape(len(x1), 2)
# 6 according to elbow method
kmeans = KMeans(n_clusters=6)
kmeans.fit(X)
y_kmeans = kmeans.predict(X)
fig, (ax1, ax2) = pyplot.subplots(2, figsize=(15,15))
fig.suptitle('Clustering users by k-means (k=6)')
# whole
ax1.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=30, cmap='gist_rainbow')
# closer look
ax2.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=30, cmap='gist_rainbow')
ax2.set_xlim([0, 500])
ax2.set_ylim([0, 500])
pyplot.savefig('k_means_clusters_demo.png')
我想输出如下结果:
cookie_id|ses_num|num_material|num_jump|cluster
2345 1 2 1 0
2345 2 8 12 2
3456 1 3 2 1
非常感谢, 答:
最佳答案
我认为数组的顺序必须像 array.sort() 中那样重新排序,但显然事实并非如此。以下内容对我有用。
clusters = kmeans.labels_
i=0
while(i < len(clusters)):
print(cookie_id[I],clusters[i])
i+=1
关于python - 如何使用原始数据中的id导出k-means算法的输出(簇标签),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57853038/