Sklearn.KMeans (): Получить метки центроида класса и ссылку на набор данных

Sci-Kit изучает уменьшение размерности Kmeans и PCA

У меня есть набор данных, 2М строк по 7 столбцов, с различными измерениями потребления энергии на дому с датой для каждого измерения.

Дата,
Global_active_power,
Global_reactive_power,
Напряжение,
Global_intensity,
Sub_metering_1,
Sub_metering_2,
Sub_metering_3

Я поместил свой набор данных в рамку данных pandas, выбрав все столбцы, но столбец даты, а затем выполнил разделение перекрестной проверки.

import pandas as pd from sklearn.cross_validation import train_test_split data = pd.read_csv('household_power_consumption.txt', delimiter=';') power_consumption = data.iloc[0:, 2:9].dropna() pc_toarray = power_consumption.values hpc_fit, hpc_fit1 = train_test_split(pc_toarray, train_size=.01) power_consumption.head()

стол питания

Я использую классификацию K-сред, за которой следует уменьшение размерности PCA для отображения.

 from sklearn.cluster import KMeans import matplotlib.pyplot as plt import numpy as np from sklearn.decomposition import PCA hpc = PCA(n_components=2).fit_transform(hpc_fit) k_means = KMeans() k_means.fit(hpc) x_min, x_max = hpc[:, 0].min() - 5, hpc[:, 0].max() - 1 y_min, y_max = hpc[:, 1].min(), hpc[:, 1].max() + 5 xx, yy = np.meshgrid(np.arange(x_min, x_max, .02), np.arange(y_min, y_max, .02)) Z = k_means.predict(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape) plt.figure(1) plt.clf() plt.imshow(Z, interpolation='nearest', extent=(xx.min(), xx.max(), yy.min(), yy.max()), cmap=plt.cm.Paired, aspect='auto', origin='lower') plt.plot(hpc[:, 0], hpc[:, 1], 'k.', markersize=4) centroids = k_means.cluster_centers_ inert = k_means.inertia_ plt.scatter(centroids[:, 0], centroids[:, 1], marker='x', s=169, linewidths=3, color='w', zorder=8) plt.xlim(x_min, x_max) plt.ylim(y_min, y_max) plt.xticks(()) plt.yticks(()) plt.show()

Выход PCA

Теперь я хотел бы узнать, какие строки попадают под данный класс, а затем какие даты попадают под данный класс.

Есть ли способ связать точки на графике с индексом в моем наборе данных после PCA?
Какой-то метод, о котором я не знаю?
Или мой подход принципиально испорчен?
Любые рекомендации?

Я довольно новичок в этой области и пытаюсь прочитать много кода, это компиляция нескольких примеров, которые я видел документально.

Моя цель – классифицировать данные, а затем получать даты, которые относятся к классу.

Спасибо

One Solution collect form web for “Sklearn.KMeans (): Получить метки центроида класса и ссылку на набор данных”

KMeans (). Предсказывает (X) ..docs здесь

Предскажите ближайший кластер, к которому принадлежит каждый образец в X.

В литературе векторного квантования cluster_centers_ называется кодовой книгой, и каждое значение, возвращаемое предсказанием, является индексом ближайшего кода в кодовой книге.

 Parameters: (New data to predict) X : {array-like, sparse matrix}, shape = [n_samples, n_features] Returns: (Index of the cluster each sample belongs to) labels : array, shape [n_samples,]

Проблема с кодом, который вы указали, заключается в использовании

 train_test_split()

который возвращает два массива случайных строк в вашем наборе данных, что фактически разрушает ваш заказ набора данных, что затрудняет сопоставление меток, возвращаемых из классификации KMeans, в последовательные даты в вашем наборе данных.

Вот пример:

 import pandas as pd import numpy as np from sklearn.cluster import KMeans #read data into pandas dataframe df = pd.read_csv('household_power_consumption.txt', delimiter=';')

Начальная страница набора данных

 #convert merge date and time colums and convert to datetime objects df['Datetime'] = pd.to_datetime(df['Date'] + ' ' + df['Time']) df.set_index(pd.DatetimeIndex(df['Datetime'],inplace=True)) df.drop(['Date','Time'], axis=1, inplace=True) #put last column first cols = df.columns.tolist() cols = cols[-1:] + cols[:-1] df = df[cols] df = df.dropna()

предварительно обработанные даты

 #convert dataframe to data array and removes date column not to be processed, sliced = df.iloc[0:, 1:8].dropna() hpc = sliced.values k_means = KMeans() k_means.fit(hpc) # array of indexes corresponding to classes around centroids, in the order of your dataset classified_data = k_means.labels_ #copy dataframe (may be memory intensive but just for illustration) df_processed = df.copy() df_processed['Cluster Class'] = pd.Series(classified_data, index=df_processed.index)

Законченный

Теперь вы можете увидеть, что ваш результат соответствует вашему набору данных с правой стороны.
Теперь, когда это классифицировано, вам нужно понять смысл.
Это просто хороший пример того, как его можно использовать, от начала до конца.
Отображая ваш результат, посмотрите на PCA или сделайте другие графики зависимыми от класса.