K的數據輸入意味着用Scipy，Python進行聚類？

Question

我有一個具有兩個屬性的點數據集，我想根據屬性值對這些點進行聚類。我想使用K均值聚類，但我不確定使用Scipy實現時我的輸入數據應該如何。

例如，我應該製作一個numpy數組，每行包含：FID，屬性1，屬性2，x-coord，y-coord或僅包含屬性值的數組？屬性是整數和浮點數。

Answer 1

數據中的每一行都應該是離散的觀察值，列應該與數據的特徵或維度相對應。對於你的情況：FID，屬性1，屬性2，x-coord，y-coord應該在列上，每行應該代表在不同時間步驟的觀測值。

from scipy.cluster.vq import kmeans,vq 
nbStates = 4 
Centers, _ = kmeans(Data, nbStates) 
Data_id, _ = vq(Data, Centers) 

其中數據應該是NX5矩陣，其中5列應該對應於你的5個特徵FID，屬性1，屬性2，X-座標，Y-座標，以及對應於N個觀測N行。換句話說，將FID數據數組重新設置爲列向量，並將其作爲列向量進行重新整形，並將其水平連接並將其作爲kmeans函數的參數。 nbStates表示你期望看到的簇的數量，它應該事先設置。因此，您將得到的結果是NxM矩陣的中心，其中N對應於羣集，M對應於數據中的要素數量。 Data_id矩陣是一個列向量，表示與每個羣集對應的數據點的標籤。它是N×1矩陣，其中N是一些數據點。

Answer 2

如果您只想對屬性進行聚類，則應創建一個2xN矩陣（根據scipy docs），將您的屬性作爲列，將每個數據點作爲行。

您可能會通過增白（標準化）數據點來提高效果。假設你的數據有兩個字段attr1和attr2，你必須包含它們相應的代碼看起來對子級像一個列表dataset：

from scipy.cluster.vq import kmeans, whiten 

data = np.ndarray((2, len(dataset)) 
for row, d in enumerate(dataset): 
    data[0, row] = d.attr1 
    data[1, row] = d.attr2 

whitened_data = np.whiten(data) 

clusters, _ = scipy.cluster.vq.kmeans(data, 5) # 5 is the number of clusters you assume 
assignments, _ = vq(data, clusters)