如何解决如何使用sklearn为每个kmeans集群评分
如何使用sklearn对每个kmeans集群分别评分? 我的代码如下所示,我看到的每个评估指标对所有聚类均得出一个分数,但我需要分别评估每个聚类。
model = MiniBatchKMeans(init ='k-means++',n_clusters = 2,batch_size = 200,max_no_improvement = 10,verbose = 0)
model.fit(X)
labels = model.labels_
print(metrics.silhouette_score(X,labels,metric='euclidean'))
如果有人对我的问题有更好的主意,这就是我要解决的实际问题:
我想聚类非常大的tf-idf向量数据集(非常稀疏的向量),我不知道真正的标签甚至聚类数。因此,我想使用kmeans进行分层聚类,并在每一步使用kmeans(k = 2)来获得更好的聚类,并继续这样做直到评估指标变差。我看到了其他聚类算法,例如Agglomerativeclustering或Optics,但它们不适用于稀疏数据集,并且没有足够的内存来增加k并尝试使用kmeans进行更高的数值。还有更好的主意吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。