能否在dask数组上使用dask_ml kmeans？

我有以下代码：

feature_array = da.concatenate(features, axis=1)#.compute()
model = KMeans(n_clusters=4)
model.fit(features, y=None)

现在，如果我先计算feature_array，这段代码运行得很好，但是如果没有它，它会产生一些我无法真正理解的内部类型错误：

File "/Users/(...)/lib/python3.7/site-packages/dask_ml/utils.py", line 168, in check_array
    sample = np.ones(shape=shape, dtype=array.dtype)
  File "/Users/(...)/lib/python3.7/site-packages/numpy/core/numeric.py", line 207, in ones
    a = empty(shape, dtype, order)
TypeError: 'float' object cannot be interpreted as an integer

我不应该使用带有dask_ml的dask数组吗？我想使用dask_ml的主要原因是我希望这段代码能够在大于内存的数据集上运行

干杯， 弗洛里安

对我来说还可以

在[1]中：从dask_ml.cluster导入KMeans 在[2]中：将dask.array作为da导入 在[3]中：x=da.random.random 10,3 [4]中：k=KMeansn_簇=3 In[5]：k.fitx 出[5]： KMeansalgorithm='full'，copy_x=True，init='k-means | |'，init_max_iter=None， 最大iter=300，n个集群=3，n个作业=1，过采样系数=2， 预计算距离=自动，随机状态=无，tol=0.0001 我建议提供一个

另外，您提供的是Numpy阵列，而不是Dask阵列