python-3.x KMeans聚类-值错误：n_samples=1应>= n_cluster

mutmk8jj 于 2022-11-19 发布在 Python

关注(0)|答案(3)|浏览(474)

我正在做一个实验，三个时间序列数据集具有不同的特点为我的实验，其格式如下。

0.086206438,10
    0.086425551,12
    0.089227066,20
    0.089262508,24
    0.089744425,30
    0.090036815,40
    0.090054172,28
    0.090377569,28
    0.090514071,28
    0.090762872,28
    0.090912691,27

第一列是timestamp。出于可重复性的原因，我共享了数据here。从第2列开始，我希望读取当前行并将其与前一行的值进行比较。如果当前值大于前一行的值，我将继续比较。如果当前值小于前一行的值，我希望除以当前值（较小）乘以先前的值（较大）。相应地，代码如下：

import numpy as np
import matplotlib.pyplot as plt

protocols = {}

types = {"data1": "data1.csv", "data2": "data2.csv", "data3": "data3.csv"}

for protname, fname in types.items():
    col_time,col_window = np.loadtxt(fname,delimiter=',').T
    trailing_window = col_window[:-1] # "past" values at a given index
    leading_window  = col_window[1:]  # "current values at a given index
    decreasing_inds = np.where(leading_window < trailing_window)[0]
    quotient = leading_window[decreasing_inds]/trailing_window[decreasing_inds]
    quotient_times = col_time[decreasing_inds]

    protocols[protname] = {
        "col_time": col_time,
        "col_window": col_window,
        "quotient_times": quotient_times,
        "quotient": quotient,
    }

    plt.figure(); plt.clf()
    plt.plot(quotient_times,quotient, ".", label=protname, color="blue")
    plt.ylim(0, 1.0001)
    plt.title(protname)
    plt.xlabel("time")
    plt.ylabel("quotient")
    plt.legend()
    plt.show()

这就产生了以下三个点--每个点对应于我共享的一个dataset。
第一次
从基于上面给出的代码的图中的点可以看出，data1非常一致，其值大约为1，data2将有两个商（其值将集中在0.5或0.8附近），并且data3的值集中在两个值附近（大约0.5或0.7）。这样，给定新的数据点（用quotient和quotient_times表示），我想知道它属于哪个cluster，通过构建每个数据集，堆叠这两个变换后的特征quotient和quotient_times。我尝试使用KMeans集群，如下所示

from sklearn.cluster import KMeans
k_means = KMeans(n_clusters=3, random_state=0)
k_means.fit(quotient)

但这是给我一个错误：ValueError: n_samples=1 should be >= n_clusters=3.如何修复此错误？
更新：样本商数据= array([ 0.7 , 0.7 , 0.4973262 , 0.7008547 , 0.71287129, 0.704 , 0.49723757, 0.49723757, 0.70676692, 0.5 , 0.5 , 0.70754717, 0.5 , 0.49723757, 0.70322581, 0.5 , 0.49723757, 0.49723757, 0.5 , 0.49723757])

python-3.x

来源：https://stackoverflow.com/questions/54833924/kmeans-clustering-value-error-n-samples-1-should-be-n-cluster

3条答案

按热度按时间

wkyowqbh1#

这样，您的quotient变量现在是 * 一个 * 样本;这里我得到了一个不同的错误消息，可能是由于不同的Python/scikit-learn版本，但本质是相同的：

import numpy as np
quotient = np.array([ 0.7 , 0.7 , 0.4973262 , 0.7008547 , 0.71287129, 0.704 , 0.49723757, 0.49723757, 0.70676692, 0.5 , 0.5 , 0.70754717, 0.5 , 0.49723757, 0.70322581, 0.5 , 0.49723757, 0.49723757, 0.5 , 0.49723757])
quotient.shape
# (20,)

from sklearn.cluster import KMeans
k_means = KMeans(n_clusters=3, random_state=0)
k_means.fit(quotient)

这会产生以下错误：

ValueError: Expected 2D array, got 1D array instead:
array=[0.7        0.7        0.4973262  0.7008547  0.71287129 0.704
 0.49723757 0.49723757 0.70676692 0.5        0.5        0.70754717
 0.5        0.49723757 0.70322581 0.5        0.49723757 0.49723757
 0.5        0.49723757].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

尽管措辞不同，但与您的数据并无不同-本质上，它表示您的数据看起来像单个样本。
遵循第一个建议（即考虑quotient包含单个 * 功能 *（列））可解决此问题：

k_means.fit(quotient.reshape(-1,1))
# result
KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
    n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
    random_state=0, tol=0.0001, verbose=0)

赞(0）回复(0）举报 2022-11-19

jgovgodb2#

请尝试下面的代码。一个简短的解释我所做的：
首先，我构建了数据集sample = np.vstack((quotient_times, quotient)).T，并将其标准化，这样就可以更容易地进行聚类。接下来，我使用多个超参数（eps和min_samples）应用DBScan，直到找到一个更好地分隔点的超参数。最后，我用各自的标签绘制了数据，因为您使用的是二维数据，所以很容易看到聚类的效果。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler

types = {"data1": "data1.csv", "data2": "data2.csv", "data3": "data3.csv"}

dataset = np.empty((0, 2))

for protname, fname in types.items():
    col_time,col_window = np.loadtxt(fname,delimiter=',').T

    trailing_window = col_window[:-1] # "past" values at a given index
    leading_window  = col_window[1:]  # "current values at a given index
    decreasing_inds = np.where(leading_window < trailing_window)[0]
    quotient = leading_window[decreasing_inds]/trailing_window[decreasing_inds]
    quotient_times = col_time[decreasing_inds]

    sample = np.vstack((quotient_times, quotient)).T
    dataset = np.append(dataset, sample, axis=0)

scaler = StandardScaler()
dataset = scaler.fit_transform(dataset)

k_means = DBSCAN(eps=0.6, min_samples=1)
k_means.fit(dataset)

colors = [i for i in k_means.labels_]

plt.figure();
plt.title('Dataset 1,2,3')
plt.xlabel("time")
plt.ylabel("quotient")
plt.scatter(dataset[:, 0], dataset[:, 1], c=colors)
plt.legend()
plt.show()