Python 为什么权重不改变sci工具包学习包中的K-均值聚类中心位置?
我正在尝试使用权重选项计算簇的中心位置。但重量似乎不起作用 下面是表示问题的简单脚本Python 为什么权重不改变sci工具包学习包中的K-均值聚类中心位置?,python,scikit-learn,k-means,Python,Scikit Learn,K Means,我正在尝试使用权重选项计算簇的中心位置。但重量似乎不起作用 下面是表示问题的简单脚本 X = [] weights = [] for x in range(-10,10): for y in range(-10,10): X+= [[x,y]] if x>0 and y>0: weights += [10000] else: weights += [1] X = np.array
X = []
weights = []
for x in range(-10,10):
for y in range(-10,10):
X+= [[x,y]]
if x>0 and y>0:
weights += [10000]
else:
weights += [1]
X = np.array(X)
weights = np.array(weights)
kmeans = KMeans(n_clusters=1, random_state=0).fit(X,weights)
print kmeans.cluster_centers_
它在第一季度打印重量为10000的[-0.5-0.5]]
我预计大约为(5,5)
编辑1:
尝试将fit()调用为:
返回:
TypeError: fit() got an unexpected keyword argument 'sample_weight'
TypeError: fit() takes at most 3 arguments (4 given)
添加第二个变量也没有帮助:
fit(X,None,weights)
返回:
TypeError: fit() got an unexpected keyword argument 'sample_weight'
TypeError: fit() takes at most 3 arguments (4 given)
问题在于调用
fit
方法的方式。
您需要将权重作为关键字参数传递
kmeans = KMeans(n_clusters=1, random_state=0).fit(X, sample_weight=weights)
说明:
fit
方法的签名如下:
KMeans.fit(self, X, y=None, sample_weight=None)
通过调用KMeans.fit(self,X,weights)
然后隐式地y=weights
。由于y
被忽略,因此没有效果
有关更多信息,请参阅。谢谢您的回答。我一开始就尝试过这个,但是我得到了一个错误:TypeError:fit()得到了一个意外的关键字参数“sample\u weight”它对你有用吗?我认为你需要获得一个更新版本的scikit LearnChange版本,从0.19.2更改为0.20.2解决了这个问题。非常感谢。