我有一个3列的2d np.array，来自4个类别的注册。我想在此3列np数组上实现K-means，以测试它是否可以自动聚类为4个3维足够好的聚类。因此，我从真实类别的中位数（3个中位数*我要聚类的4个类别）中初始化质心，而不是从均值中初始化，因为它们全部来自非参数分布。我缩放了数据并创建了一个中位数的np.array（3 * 4），但出现此错误：
clean=[[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3]]
init_medians=np.array([[0.1, 0.2, 0.3], [0.4, 0.5, 0.6], [0.7, 0.8, 0.9], [0.01, 0.02, 0.03]])
model = KMeans(n_clusters=4, max_iter=300, init=init_medians)
model.fit(clean)
TypeError：“ builtin_function_or_method”对象不可下标
我尝试将数组更改为np数组，堆栈等，但似乎无法为每个群集输入3个中值。我认为K均值可以在3维空间上聚类，对吗？
当我用4个单个值指示质心时，它起作用了，但这不是我想要的。该错误是由我输入到init =的数组引起的。我的逻辑或K-手段知识或语法问题有问题吗？
最佳答案
第1部分：
TypeError：“ builtin_function_or_method”对象不可下标
这是一个纯粹的numpy错误，它的出现是因为您忘记了使用括号（）来定义numpy数组。
第2部分：
首先，在init_medians中，您传递了4个列表，但是它们没有相同的尺寸。最后一个列表包含4个元素（即[0.01, 0.02, 0.03, 0.04]），而不是3个元素，以表示聚类中位数。
其次，KMeans的init参数期望形状的ndarray（n_clusters，n_features）作为输入。
在您的情况下，这应该是（4，3）numpy数组，如下所示：
init_medians=np.array( [[0.1, 0.2, 0.3], [0.4, 0.5, 0.6], [0.7, 0.8, 0.9], [0.01, 0.02, 0.03]] )
model = KMeans(n_clusters=4, max_iter=300, init=init_medians)
model.fit(clean)
第3部分：
数据矩阵X应该是一个numpy数组，而不是列表列表。
完整代码：
clean=np.array([[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3],[0.1, 0.2, 0.3]])
init_medians=np.array([[0.1, 0.2, 0.3], [0.4, 0.5, 0.6], [0.7, 0.8, 0.9], [0.01, 0.02, 0.03]])
model = KMeans(n_clusters=4, max_iter=300, init=init_medians)
model.fit(clean)
关于python - 在Python中手动输入中位数作为K均值的质心，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55376125/