Python框架

我计划使用kmeans集群。我已经阅读了教程，但我仍有几个问题想问：

我正在处理高维向量上的聚类。 1） 是否实现了余弦距离？ 2） 我不想给空值加零。我尝试在空字段中不包含任何零，但得到错误：

SystemError: 'orange.TabDelimExampleGenerator': the number of attribute types does not match the number of attributes

如何指示空值？ 3） 有没有一种方法可以将“ID”合并到示例表中？我想用ID（而不是分类）来标记我的数据，以便于参考。我不希望ID列成为我数据的官方部分

4） 对于kmeans集群是否有不同的输出方式？ 我更喜欢这种格式：

cluster1: [ <id1>, <id2>, ...]
cluster2: [ <id3>, ... ]
rather than just [1, 2, 3,1 , 2, ... ]

cluster1:[，…]
集群2:[，…]
而不仅仅是[1,2,3,1,2，…]

---

谢谢

一个问题有四个问题是非常尴尬的——为什么不把一个问题变成一个问题呢？这并不是说你会为此付出代价；-）。无论如何，请注意“如何指示空值？”，请参阅关于

Orange.value

实例的属性

value

：

如果值是连续的或未知的，则否 需要一个描述符。对于后者， 结果是字符串“？”、“~”或“.” 因为不知道，不在乎和其他， 分别

我不确定你说的空是指“不知道”还是“不在乎”，但不管怎样，你可以表示为“不知道”或“不在乎”。但是，请注意距离--从中的另一页开始：

正确处理未知值 只有欧几里得距离和浮雕距离。 对于距离的其他度量，a 未知与已知或未知之间的距离 在两个未知值之间总是 0.5

后一页中列出的距离是Hamming、Maximal、Manhattan、Euclidean和Relief（后者类似于Manhattan，但正确处理了未知值）——没有提供余弦距离：您必须自己编码

对于（4），只需一点Python代码，就可以以任何方式格式化结果。KMeans对象的

.clusters

属性是一个列表，与数据实例的数量相同：如果您想要的是数据实例列表，例如：

def loldikm(data, **k):
  km = orange.KMeans(data, **k)
  results = [[] for _ in km.centroids]
  for i, d in zip(km.clusters, data):
    results[i].append(d)

---

我认为原来的KMeans不适用于余弦距离。因为它不在欧几里德空间中，所以需要定义余弦距离的质心，并且不能保证收敛。但是如果你的特征向量都是正的，你可以试试。更多信息：