python - iris - kmeans

Blaze con Scikit Learn K-Means

Question

Estoy intentando ajustar el objeto de datos Blaze a la función scikit kmeans.

from blaze import *
from sklearn.cluster import KMeans
data_numeric = Data(''data.csv'')
data_cluster = KMeans(n_clusters=5)
data_cluster.fit(data_numeric)

Muestra de datos:

A B C
1 32 34
5 57 92
89 67 21

Su error de lanzamiento:

Pude hacerlo con Pandas Dataframe. ¿Hay alguna manera de alimentar el objeto de resplandor a esta función?

Answer 1

Sugeriría que elija la cantidad de clústeres (K) mucho menor que la cantidad de ejemplos de capacitación que tiene en su conjunto de datos. No es correcto ejecutar el algoritmo K-Means cuando el número de clústeres que desea es mayor o igual que el número de ejemplos de entrenamiento. El error ocurre cuando intentas pasar el objeto blaze con una forma indeseable a la función KMeans. Por favor, consulte: https://blaze.readthedocs.io/en/latest/csv.html

Answer 2

Creo que debes convertir tu marco de datos pandas en una matriz numpy antes de que quepa.

from blaze import *
import numpy
from sklearn.cluster import KMeans
data_numeric = numpy.array(data(''data.csv''))
data_cluster = KMeans(n_clusters=5)
data_cluster.fit(data_numeric)

Answer 3

sklearn.cluster.KMeans no admite datos de entrada con el tipo blaze.interactive._Data que es el tipo de data_numeric en tu código.

Puede usar data_cluster.fit(data_numeric.peek()) para ajustar el data_numeric transferido con el tipo DataFrame soportado por sklearn.cluster.KMeans .

Answer 4

Sí, antes de que te caigas, debes necesitar convertir tu marco de datos de pandas en una matriz numpy, ahora funciona bien ... creo que @aberger ya respondió.

¡gracias!