Python 一类kmean聚类

我试着在python2.7中用矩阵20*20运行这段代码，我想得到两个集群，就像kmean算法一样

js

将numpy导入为np
filename=np.genfromtxt（'Matrix.txt'）
M=np.sort（np.random.choice（2,20））
##m=np.copy（m）=>我在那里得到一个错误：“module”对象不可调用
M=M#这个选项效果更好，但我不确定它是否合适
#集群的初始化
C={}
对于X范围内的t（tmax=100）：
#簇的测定
J=np.mean（文件名[：，M]，轴=1）
对于范围（2）内的k：
C[k]=np.where（J==k，0,0）#np.where（J==k）=>另一个“np.where”错误：它只接受三个参数，但只接受一个参数。我发现它只能接受一个参数
#更新
对于范围（2）内的k：
J=np.mean（文件名[np.ix_389;（C[k]，C[k]）），轴=1）
j=np.argmin（j）
m[k]=C[k][j]#[j]=>“[j]”的另一个错误：标量变量的索引无效
#结果
打印M，C

另一个变体（它使用scikit库）：

---

代码有多个问题，

M

被初始化为数组，之后该数组被更改为未知的

M

，tmax未定义。您需要

m=m.copy（）

，但实际操作是

m=m

。为什么这么说？在k_中，表示需要计算两个向量之间的距离@valentin‘tmax’指的是迭代次数，a希望复制‘M’，以便添加更多条件，然后保存第一个版本。这并不完全是kmean：我的矩阵已经是一个来自文档的欧几里德距离矩阵：

where（条件[x，y]）返回元素，根据条件从x或y返回，所以where总是精确返回0，但如果没有条件，我无法运行代码，所以我只是为了更好地查看我的错误而尝试了它。你知道我怎样才能得到预期的结果吗？你把J算作平均值，我想这些平均值既不是0也不是1，所以你的
where
将返回空数据，它无法工作。假设程序在我的20*20值之间进行选择，只有“2”值；就像k_均值算法一样。这个“2”的值是最接近其他的，它们可以被视为平均值。在这个例子中：这个簇的平均值[1,2，3，4，5，6，7，8，9]是4，5。因此，程序应该运行并选择所有与此最接近的值。不幸的是，我无法在我现在使用的服务器上下载新包。几个小时后我会在自己的电脑上检查。我会回来给你一个答案。谢谢你的帮助嗨，我回来了。我有一个错误。。。。ValueError:n_samples=1应大于等于n_clusters=2。无论如何，我阅读了有关scikit库的信息，KMeans已经实现了。对于我的问题，我需要创建另一个替代方案，但我并没有真正成功。感谢您的帮助这里有一些在py中实现k-meas的简单方法。尝试搜索kmeas.py，但它们需要根据您的需要进行调整
import numpy as np
from sklearn import cluster

n_clusters = 2

k_means = cluster.KMeans(n_clusters=n_clusters)
k_means.fit(filename)
values = k_means.cluster_centers_
labels = k_means.labels_

print values
print labels