K-means文本数据聚类：获取文本所属的集群

Question

我在Python（scikit-learn）中使用K-Means对文本数据进行聚类。 如何获取该行所属的集群？

例： 数据=“红，黄，蓝的颜色”，“冰淇淋是我最喜爱的食物”，“你现在可以得到草莓味太冰淇淋”，​​“天空是蓝色的”]

在用n_clusters = 2执行K-Means之后，我预计会形成两个集群st

“红色，黄色和蓝色是颜色”，“天蓝色”在一个群集中，“冰淇淋是我最喜欢的食物”，“你现在可以得到草莓味道的冰淇淋”。

我该如何得知这一点，即哪一行在哪个簇？

代码K-手段：

vectorizer = TfidfVectorizer(stop_words='english') 
X = vectorizer.fit_transform(data) 
model = KMeans(n_clusters=true_k, init='k-means++', max_iter=500, n_init=20) 
model.fit(X) 

Answer 1

尝试使用predict功能。

实施例 -

model.predict(X) 

从documentation -

预测（X）

预测在X每个样品属于最接近的群集。

在矢量量化文献中，cluster_centers_被称为代码簿，并且由predict返回的每个值都是代码簿中最近代码的索引。

参数：
X：{阵列状，稀疏矩阵}，形状= [N_SAMPLES次，n_features] 新数据来预测。

返回：
标签：阵列，形状[N_SAMPLES次，] 每个样品属于集群的索引。

这似乎是返回每个样本属于的聚类索引数组。

也许你也可以使用 - fit_predict()函数。

您可以使用属性 - cluster_centers_获得集群中心，在您的情况下 - model.cluster_centers_和每个样本的标签 - model.labels_。