如何在kmeans scikit learn中识别集群标签

Question

我正在学习 python scikit。 这里给出的例子 显示每个集群中出现次数最多的单词，而不是集群名称。

http://scikit-learn.org/stable/auto_examples/document_clustering.html

我发现 km 对象有“km.label”，其中列出了质心 id，即数字。

我有两个问题

1. How do I generate the cluster labels?
2. How to identify the members of the clusters for further processing.

我具备 k-means 的工作知识并了解 tf-ids 概念。

Answer 1

这很简单

我的环境： scikit-learn 版本 '0.20.0'

只需使用属性.labels_，如文档中所示：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

from sklearn.cluster import KMeans
import numpy as np

工作示例：

x1 = [[1],[1],[2],[2],[2],[3],[3],[7],[7],[7]]
x2 = [[1],[1],[2],[2],[2],[3],[3],[7],[7],[7]]

X_2D = np.concatenate((x1,x2),axis=1)

kmeans = KMeans(n_clusters=4, init='k-means++', max_iter=300, n_init=10, random_state=0)
labels = kmeans.fit(X_2D)

print(labels.labels_)

输出：

[2 2 3 3 3 0 0 1 1 1]

如您所见，我们有 4 个簇，并且 X_2D 数组中的每个数据示例都被相应地分配了一个标签。

Answer 2

1. 如何生成集群标签？

我不确定你的意思。除了集群 1、集群 2、...、集群 n 之外，您没有集群标签。这就是为什么它被称为无监督学习，因为没有标签。

你的意思是你真的有标签，你想看看聚类算法是否碰巧根据你的标签对数据进行聚类？

在这种情况下，您链接到的文档提供了一个示例：

print("Homogeneity: %0.3f" % metrics.homogeneity_score(labels, km.labels_))
print("Completeness: %0.3f" % metrics.completeness_score(labels, km.labels_))
print("V-measure: %0.3f" % metrics.v_measure_score(labels, km.labels_))

1. 如何识别集群成员以进行进一步处理。

请参阅documentation for KMeans。特别是predict 方法：

预测（X）

参数： X : {array-like, sparse matrix}, shape = [n_samples, n_features] 要预测的新数据。

返回：
标签：数组，形状 [n_samples,] 每个样本所属簇的索引。

如果您不想预测新事物，km.labels_ 应该对训练数据进行预测。