Python scikit通过预计算学习光谱聚类亲和力

我有一个相似度矩阵，它考虑了80个用户中每两个用户之间的相似度。我想根据这个相似矩阵对用户进行聚类

label = SpectralClustering(n_clusters=5 ,affinity='precomputed').fit_predict(lena)

这是调用相似度矩阵并获取标签的正确方法吗？ 示例：如果我们有三个用户，则矩阵类似于[1,0.8,0；0.8,1,0；0,0,1]，而标签类似于（1,1,2）

---

此外，我想使用弯头方法来设置正确的集群数量。但很难对绩效进行正确的衡量。有什么建议吗

同样的问题，请阅读sklearn的文档，但仍不清楚

根据我的调查：

given sc = SpectralClustering(n_clusters=5 ,affinity='precomputed')

---

sc.fit\u predict（相似性矩阵）

应该可以做到这一点。它将

相似性矩阵

分配给

sc.affinity\u matrix

，然后执行聚类。

lena

是图像，而不是距离矩阵。@Anony-Moussehttp://scikit-learn.org/stable/modules/generated/sklearn.cluster.SpectralClustering.html. 我明白你的意思，但是在这个链接上，fit_predict（X，y=None）[source]在X上执行集群并返回集群标签。参数：X:n阵列、形状（n_样本、n_特征）输入数据。是否可以考虑每个用户之间的相似性作为该用户的特征？或者，您知道当affinity=precomputed时，预计算的矩阵应该放在哪里吗？如果它不是

lena

而是您的矩阵，请不要调用变量

lena

。这是误导，因为这是一个非常流行的例子。