K的数据输入意味着用Scipy，Python进行聚类？

Question

我有一个具有两个属性的点数据集，我想根据属性值对这些点进行聚类。我想使用K均值聚类，但我不确定使用Scipy实现时我的输入数据应该如何。

例如，我应该制作一个numpy数组，每行包含：FID，属性1，属性2，x-coord，y-coord或仅包含属性值的数组？属性是整数和浮点数。

Answer 1

数据中的每一行都应该是离散的观察值，列应该与数据的特征或维度相对应。对于你的情况：FID，属性1，属性2，x-coord，y-coord应该在列上，每行应该代表在不同时间步骤的观测值。

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

其中数据应该是NX5矩阵，其中5列应该对应于你的5个特征FID，属性1，属性2，X-坐标，Y-坐标，以及对应于N个观测N行。换句话说，将FID数据数组重新设置为列向量，并将其作为列向量进行重新整形，并将其水平连接并将其作为kmeans函数的参数。 nbStates表示你期望看到的簇的数量，它应该事先设置。因此，您将得到的结果是NxM矩阵的中心，其中N对应于群集，M对应于数据中的要素数量。 Data_id矩阵是一个列向量，表示与每个群集对应的数据点的标签。它是N×1矩阵，其中N是一些数据点。

Answer 2

如果您只想对属性进行聚类，则应创建一个2xN矩阵（根据scipy docs），将您的属性作为列，将每个数据点作为行。

您可能会通过增白（标准化）数据点来提高效果。假设你的数据有两个字段attr1和attr2，你必须包含它们相应的代码看起来对子级像一个列表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)