Python-cdist函数中数组维度的问题

我正在尝试为k-means找到正确的聚类数，并为此使用cdist函数

我能理解cdist的论点应该是相同的维度。我试着打印两个参数的大小，分别是（2542,39）和（1,39）

有人能告诉我哪里出了问题吗

print(tfidf_matrix.shape) ### Returning --> (2542, 39)
#Finding optimal no. of clusters
from scipy.spatial.distance import cdist
clusters=range(1,10)
meanDistortions=[]

for k in clusters:
    model=KMeans(n_clusters=k)
    model.fit(tfidf_matrix)
    prediction=model.predict(tfidf_matrix)
    print(model.cluster_centers_.shape)  ## Returning (1, 39)
    meanDistortions.append(sum(np.min(cdist(tfidf_matrix, model.cluster_centers_, 'euclidean'), axis=1)) /
                           tfidf_matrix.shape[0])

错误：

ValueError                                Traceback (most recent call last)
<ipython-input-181-c15e32d863d2> in <module>()
     12     prediction=model.predict(tfidf_matrix)
     13     print(model.cluster_centers_.shape)
---> 14     meanDistortions.append(sum(np.min(cdist(tfidf_matrix, model.cluster_centers_, 'euclidean'), axis=1)) /
     15                            tfidf_matrix.shape[0])
     16 

~\Downloads\Conda\envs\data-science\lib\site-packages\scipy\spatial\distance.py in cdist(XA, XB, metric, *args, **kwargs)
   2588 
   2589     if len(s) != 2:
-> 2590         raise ValueError('XA must be a 2-dimensional array.')
   2591     if len(sB) != 2:
   2592         raise ValueError('XB must be a 2-dimensional array.')

ValueError: XA must be a 2-dimensional array.

ValueError回溯（最近一次调用）
在（）
12预测=模型预测（tfidf_矩阵）
13打印（型号群集\中心\形状）
--->14平均畸变。附加（和（np.min（cdist（tfidf_矩阵，model.cluster_中心，欧氏），轴=1））/
15 tfidf_矩阵形状[0]）
16
cdist中的~\Downloads\Conda\envs\data science\lib\site packages\scipy\space\distance.py（XA、XB、metric、*args、**kwargs）
2588
2589如果len（s）！=2:
->2590 raise VALUE ERROR（'XA必须是二维数组'）
2591如果len（sB）！=2:
2592 raise VALUERROR（'XB必须是二维数组'）
ValueError:XA必须是二维数组。

这可能是一个类型问题

Tfidf可能不是cdist要求的密集矩阵。当然，在这里使用稀疏矩阵是有意义的

---

然而，cdist似乎不接受稀疏矩阵：

您的代码使用

tfidf_matrix=np.random.randn（2542,39）

并导入

sklearn.cluster.KMeans

。您在

均值扭曲.append（）中缺少
，
@ScottWarchal哦，是的，随机np数组带有（2542,39）对我来说也很好。如果尺寸不是问题，你能建议出什么问题吗？