如何在 K 均值聚类后获取数据集的子集

Question

我有一个数据集val_lab如下：

[[ 52.85560436 -23.61958699  34.40273147]
 [ 70.44462451  -2.74272277  80.32988099]
 [ 38.32222473 -11.22753928  24.09593474]
 [ 84.83470029  -7.73898094  28.03636332]
 [ 76.48246093   0.13784934  76.23718213]
 [ 61.21154496   2.24080039   9.38927616]
 [ 39.88027333  37.32959609 -19.0592156 ]...]

我使用 sklearn 的 K-means 聚类并得到预测值：

from sklearn.cluster import KMeans
y_pred = KMeans(n_clusters= 5 , random_state=0 ).fit_predict(val_lab)
>>>[3 0 1 3 0 3 4 1 4 1 1 1 1 1 1 4 0 3 1 0 3...]

现在我想获取每个集群中的值，例如，如果y_pred = 3 我得到：

[[ 52.85560436 -23.61958699  34.40273147] 
 [ 84.83470029  -7.73898094  28.03636332]
  ... ]

（0 和 3 行）

目前我的想法是：

val_lab_3 = []
for i in range(y_pred.shape[0]):
       if y_pred[i] == 3:
              val_lab_3.append(val_lab[i,:])

有没有更好的主意，因为我想得到所有簇中的子集。这太复杂了，尤其是假设有更多的集群？

Answer 1

所以如果我理解正确的话，你上面的行被分类为 0,1,2,3,4（我看到的是 5 个簇）并且你想要将它们全部放在一起。

Pandas 将是一个很好的实用程序。您可以使用此聚类预测并将其设为新列，然后 select 聚类标签为 3

的那些行

例如（假设您调用新列 preds 并且您的原始 numpy 数组称为 val_lab）：

import pandas as pd
df = pd.DataFrame(val_lab)
df['preds'] = y_pred
threes = df[df['preds'] == 3]  # This is what you want
print(threes)

Answer 2

我假设 val_lab 是一个 numpy 数组。那样的话，

val_lab[y_pred == 3, :]

会起作用。

如何在 K 均值聚类后获取数据集的子集

How to get subset of dataset after K-means clustering

python

cluster-analysis

k-means

scikit-learn