假设每个节点有四个数据分别是200x794,200x1,10x200,10x10的数字矩阵,都是numpy.ndarray格式的
我想对这些节点进行聚类,我用sklearn的cluster聚类方法,总是报TypeError: only size-1 arrays can be converted to Python scalars的错误
意思是我要把矩阵的形状对齐吗?
1条回答 默认 最新
- 关注
码龄 粉丝数 原力等级 --
- 被采纳
- 被点赞
- 采纳率
最佳回答 专家已采纳sklearn期望数据集中的每一个样本的每一个特征维都是标量,而你提供的却是1维数组。题主可以尝试这样写:
X = np.array([ [200, 794, 200, 1, 10, 200, 10, 10], ... ])
如果题主觉得矩阵元素数量比矩阵形状更能表示节点的特征,可这样写:
X = np.array([ [200*794, 200*1, 10*200, 10*10], ... ])
采纳该答案 已采纳该答案 专家已采纳评论解决 无用打赏举报微信扫一扫
分享评论登录 后可回复...
报告相同问题?
提交
相关推荐 更多相似问题
- 2021-08-12 11:03回答 4 已采纳 你这个数组是三维的啊,虽然不清楚sklearn的kmeans函数具体用法,但传入的X不是矩阵形式啊,应该是二维数组吧
- 2022-04-07 11:20回答 1 已采纳 提供一个思路,多个矩阵你把他的维度reshape到一个一维的向量,这个一维度向量过一个函数得到某一个值,比如求和,比如求方差。这个函数需要你自己根据特征去设计。 你得到每个矩阵的值,把所有值resha
- 2022-02-11 21:14回答 2 已采纳 元组的索引越界,打印一下len(dataset),n取值已经超过了a,b元组元素个数。
- 2021-10-31 15:47葉_蕖的博客 也可以由下向上对小的类别进行聚合,叫作凝聚法;但是一般用的比较多的是由下向上的凝聚方法。 分裂法: 分裂法指的是初始时将所有的样本归为一个类簇,然后依据某种准则进行逐渐的分裂,直到达到某种条件或者达到...
- 2021-01-20 03:07对样本求相似性矩阵, 其实就是把每个sample当作一个node,构建一个图关系。 1 求向量之间的关系有很多方法 比如 F1范数, F2范数, 无穷范数,余弦 f(x1, x2)---> scalar 如果大家想改进的话这里我建议可以用...
- 2021-05-07 20:01诡秘愚者的博客 本文简单介绍如何用python里的库实现聚类分析
- 2021-03-07 23:56回答 3 已采纳 matplotlib画出来呗。。。三维以内的都能画
- 2021-05-08 15:59回答 1 已采纳 分类是有标签的,聚类是无监督学习,没有标签,所以你这个用户用不用vpn你们应该是知道的吧,那就是有标签,那是分类,不是聚类
- 2019-04-24 17:37回答 1 已采纳 sklearn里的k-means默认的欧氏距离改不了. 可以用Biopython这个包 示例:https://blog.csdn.net/chenxjhit/article/details/803
- 2022-03-15 22:31Python数据挖掘的博客 本篇想和大家介绍下层次聚类,先通过一个简单的例子介绍它的基本理论,然后再用一个实战案例Python代码实现聚类效果。首先要说,聚类属于机器学习的无监督学习,而且也分很多种方法,比如大家熟知的有K-means。层次...
- 2020-07-30 16:04阿鹏哥的博客 import numpy as np import math from sklearn import ... # 前n_col-1列是数据,最后一列是聚类标签 data = np.loadtxt(path, delimiter=delimiter) n_row, n_col = data.shape n_col = n_col - 1 y = np.array(.
- 2022-03-16 12:05俊红的数据分析之路的博客 本篇想和大家介绍下层次聚类,先通过一个简单的例子介绍它的基本理论,然后再用一个实战案例Python代码实现聚类效果。首先要说,聚类属于机器学习的无监督学习,而且也分很多种方法,比如大家熟知...
- 2022-01-16 22:16回答 2 已采纳 # 整理聚类结果 listName = dfData['地区'].tolist() # 将 dfData 的首列 '地区' 转换为 listName dictCluster
- 2021-07-28 17:52回答 1 已采纳 K-均值是发现给定数据集的k个簇的算法。簇个数k是用户给定的,每一个簇通过其质心(centroid),即簇中所有点的中心来描述。该算法是循环迭代式的。(1)初始化:随机选择K个点作为初始中心点,每个点
- 2021-03-23 20:54回答 2 已采纳 你把min_samples改小点试下,以及测试下不同的eps设定,可以理解内部结构和合理的参数设定。 min_samples越大,越多的点容易标记为噪声。 eps越大,越多的点容易被包含在一个簇中
- 2021-02-04 15:05dilikong的博客 我的问题是在我预先计算了亲和力矩阵(1600x16000浮点矩阵)后产生的,它或多或少地分配了3g字节(我最多可以达到8gb),该方法通过argpack解算器调用该矩阵,需要更多的内存,而cpu在试图交换内存中的东西时会浪费太多...
- 2021-01-14 10:26雨木生灵的博客 原始文件中每一行以'\n'结尾,通过strip()函数将此符号去除,并以制表符将一个字符串分成多条。 原始每行各条数据是字符串格式,需要通过float函数将其转化为浮点型数据。 将每一行处理后结果添加到数据矩阵中矩阵...
- 2022-01-20 21:44学生麦沫的博客 (6条消息) 带你玩转谱聚类及拉普拉斯矩阵_SL_World的博客-CSDN博客 理解谱聚类 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/57369475(6条消息) 谱聚类(spectral clustering)及其实现详解_yycc-CSDN博客_谱...
- 2022-05-02 19:09回答 2 已采纳 你这不是个警告而已吗
- 2020-12-11 04:05weixin_39731922的博客 谱聚类(Spectral Clustering,SC)是一种基于图论的聚类方法,将带权无向图划分为两个或两个以上的最优子图,使子图内部尽量相似,而子图间距离尽量远。能够识别任意形状的样本空间且收敛于全局最优解,基本思想是利用...
- 没有解决我的问题, 去提问