Python 如何将轮廓分数附加到列表中

Python 如何将轮廓分数附加到列表中,python,k-means,silhouette,Python,K Means,Silhouette,我想在循环列表中添加轮廓分数 from sklearn.cluster import KMeans from sklearn.metrics import silhouette_score ks = range(1, 11) # for 1 to 10 clusters #sse = [] sil = [] for k in ks: # Create a KMeans i

我想在循环列表中添加轮廓分数

        from sklearn.cluster import KMeans
        from sklearn.metrics import silhouette_score

        ks = range(1, 11) # for 1 to 10 clusters
        #sse = []
        sil = []

        for k in ks:
             # Create a KMeans instance with k clusters: model
             kmeans = KMeans(n_clusters = k)
             # Fit model to samples
             #kmeans.fit(X)
             cluster_labels = kmeans.fit_predict(X) #X is dataset that preprocess already.
             silhouette = silhouette_score(X, cluster_labels)


             # Append the inertia to the list of inertias
             #sse.append(kmeans.inertia_)

             #Append silhouette to the list
             sil.append(silhouette)
但是,在第21行,当我用剪影评分设置剪影时,我得到了以下错误

       ValueError                   Traceback (most recent call last)
       <ipython-input-12-2570ccf62502> in <module>()
       18     #kmeans.fit(X)
       19     cluster_labels = kmeans.fit_predict(X)
   --->20     silhouette = silhouette_score(X, cluster_labels)
       21 
       22 
ValueError回溯(最近一次调用)
在()
18#kmeans.fit(X)
19集群标签=kmeans.fit\u预测(X)
--->20剪影=剪影得分(X、簇标签)
21
22

这是全部代码还是部分代码?如果在此之前没有代码,则很明显,
X
在赋值之前未定义或使用

因此,将行放置在分配
X
的位置,事情应该会顺利进行


否则,请将完整跟踪添加到错误

这是全部代码还是部分代码?如果在此之前没有代码,则很明显,
X
在赋值之前未定义或使用

因此,将行放置在分配
X
的位置,事情应该会顺利进行

否则,请将完整跟踪添加到错误中

从sklearn.dataset导入make_blob
从sklearn.cluster导入KMeans
从sklearn.metrics导入剪影样本、剪影分数
十、 y=制造水滴(n_样本=500,
n_特征=2,
中心=4,
集群_标准=1,
中心盒=(-10.0,10.0),
洗牌=正确,
随机状态=1)
sil=[]
#从2开始群集范围
范围n簇=范围(2,10)
对于范围内的n个簇n个簇:
clusterer=KMeans(n_集群=n_集群,随机状态=10)
cluster\u labels=cluster.fit\u predict(X)
轮廓平均值=轮廓分数(X,聚类标签)
打印(“对于n_集群=”,n_集群,
“平均轮廓分数为:”,轮廓平均值)
sil.附加(轮廓平均值)
从sklearn.dataset导入make_blob
从sklearn.cluster导入KMeans
从sklearn.metrics导入剪影样本、剪影分数
十、 y=制造水滴(n_样本=500,
n_特征=2,
中心=4,
集群_标准=1,
中心盒=(-10.0,10.0),
洗牌=正确,
随机状态=1)
sil=[]
#从2开始群集范围
范围n簇=范围(2,10)
对于范围内的n个簇n个簇:
clusterer=KMeans(n_集群=n_集群,随机状态=10)
cluster\u labels=cluster.fit\u predict(X)
轮廓平均值=轮廓分数(X,聚类标签)
打印(“对于n_集群=”,n_集群,
“平均轮廓分数为:”,轮廓平均值)

sil.append(剪影平均值)
请张贴完整的stacktrace。但这里的问题是没有为1个簇定义轮廓分数。将
ks
更改为
range(2,11)
@JoeHalliwell噢,谢谢,我刚刚将range更改为(2,11),这很有效!请张贴完整的stacktrace。但这里的问题是没有为1个簇定义轮廓分数。将
ks
更改为
range(2,11)
@JoeHalliwell噢,谢谢,我刚刚将range更改为(2,11),这很有效!我只是改变范围为(2,11)使用剪影,这是工作!我只是改变范围为(2,11)使用剪影,这是工作!