Python 为相同或不同集群中的数据点创建矩阵

在使用KMeans对数据点进行集群之后，我希望遍历数据点并检查它们是否在同一个集群中。 然后我需要为所有数据点创建一个矩阵，如果它们属于同一个集群，则为1，如果不属于，则为0。 在使用Kmeans之后，我不确定如何检索每个数据点所属的集群，以便创建这样的矩阵。 我是否使用labels_uu参数来实现这一点

  k_means = KMeans(n_clusters=5).fit(X)

  labels_columns = k_means.labels_

  labels_row = k_means.labels_

  for row in labels_row:
      for column in labels_columns:
           if row == columns:
              --add 1 in matrix position
           else:
               --add 0 in matrix position

如何最好地创建此矩阵？或者他们提供的信息与我的理解不同？

---

感谢您的帮助

你走在正确的轨道上

Kmeans.labels

返回

n

元素的向量，它告诉您 每个点所属的簇：

[3,4,10，…]

告诉您点

0

属于簇

3

，点

1

属于集群

4

等

您可以通过多种方式构建所需的矩阵。我认为有一种可能性比 2循环的

如下所示：

import numpy as np
import matplotlib.pyplot as plt

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

n_samples, n_features = 10, 2
X, y = make_blobs(n_samples, n_features)

plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

kmeans = KMeans(n_clusters=3).fit(X)

plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.show()

neighbour_matrix = np.zeros(n_samples)
repeat_labels = np.repeat(kmeans.labels_.T, n_samples, axis=0).reshape(n_samples, n_samples)
print(kmeans.labels_)
print(repeat_labels)
proximity_matrix = (repeat_labels == repeat_labels.T).astype(int)
print(proximity_matrix)

我使用标签向量作为起点。我们可以这样说：

[1 0 1 2 2 2 0]


我用
np将其转换为二维矩阵。重复具有以下形状的
：

[[1 1 1 1 1 1 1 1 1 1]
[0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0]
[1 1 1 1 1 1 1 1 1 1]
.....

因此，我重复标签的次数与点数相同。然后我可以查一下这个
矩阵及其转置是相等的。只有当两个点属于同一簇时，才会出现这种情况：

[[1 0 0 1 1 0 0 0 0 0]
[0 1 1 0 0 0 0 0 0 1]
[0 1 1 0 0 0 0 0 0 1]
[1 0 0 1 1 0 0 0 0 0]
.....

我将矩阵转换为
int
，但请注意，原始输出实际上是一个布尔数组

我在代码中留下了
打印
语句和绘图，希望能让它更清晰。

希望有帮助