Python 如何使用kmeans计算tfidf矩阵中解释的差异?
我对处理文本数据相当陌生 我有一个大约300000个独特产品名称的数据框架,我正在尝试使用k方法将相似的名称聚集在一起。我使用sklearn的tfidf向量化器对名称进行向量化,并将其转换为tf-idf矩阵 接下来,我在tf-idf矩阵上运行k均值,聚类数从5到10不等 当我试图计算为Python 如何使用kmeans计算tfidf矩阵中解释的差异?,python,scikit-learn,k-means,tf-idf,Python,Scikit Learn,K Means,Tf Idf,我对处理文本数据相当陌生 我有一个大约300000个独特产品名称的数据框架,我正在尝试使用k方法将相似的名称聚集在一起。我使用sklearn的tfidf向量化器对名称进行向量化,并将其转换为tf-idf矩阵 接下来,我在tf-idf矩阵上运行k均值,聚类数从5到10不等 当我试图计算为dukValueError解释的方差时,我遇到了一个卡在错误上的错误:用序列设置数组元素。 我想画出方差解释v。绘制簇数,以便我可以区分弯头的位置 我是指 您应该将tfidf\u矩阵(稀疏)转换为适当的数组 D_k
duk
ValueError解释的方差时,我遇到了一个卡在错误上的错误:用序列设置数组元素。
我想画出方差解释v。绘制簇数,以便我可以区分弯头的位置
我是指
您应该将
tfidf\u矩阵
(稀疏)转换为适当的数组
D_k = [cdist(tfidf_matrix.toarray(), cent) for cent in centroids]
这对我有用
D_k = [cdist(tfidf_matrix.toarray(), cent) for cent in centroids]