Python 2.7 sklearn meanshift拟合（X）然后预测（Y）

我正在尝试使用scikit learn的0.15.2版本。在此版本中，文档显示有单独的

fit（X）

和

predict（X）

函数，以及以前版本中可用的组合

fit\u predict（X）

函数

我认为这将允许我适应一个数组，然后预测一个新数组（因此

fit（X）

和

predict（Y）

）。但是，当我尝试此操作时，我得到一个

ValueError

，因为维度不匹配

这是我的密码：

from sklearn.cluster import MeanShift, estimate_bandwidth
bandwidth = estimate_bandwidth(X, quantile=0.2, n_samples=5000)  # n_samples 100000 memory bound
ms = MeanShift(bandwidth=bandwidth)
ms.fit(X)
results = ms.predict(Y)

是否有一种方法可以使用该模型预测新（不同）阵列的簇，而不是最初安装该模型的阵列

---

我发现了这篇文章（），但我认为它提出的问题与我试图提出的问题不同。

关于X和Y的形状以及你试图预测的内容的更多信息会有所帮助。iirc X应该是m-by-n矩阵（m个特征，n个训练向量），而Y应该是m-by-k（m个特征，k个值。可能需要k=1）抱歉，我花了这么长时间才回复。我可以预测超过k=1（特别是当k=n时），所以我认为这不是答案。。。我将进一步深入研究代码，看看是否能解决这个问题。我只是希望有人能马上知道好吧，我知道了。看起来m（功能的数量）是我的问题。我使用我的一部分特征来拟合模型，然后在下一步中需要其余的特征，所以我尝试在完整的数据集上进行预测，但当然，这很愚蠢，因为模型如何知道较大的特征集中哪一个是原始特征集？我想我需要预测功能的子集，然后将我想用于下一步的其他功能连接起来。感谢m、n和k的讨论，帮助我思考这个问题。