如何对 python 中具有分类知识库的新条目进行分类

Question

我在 python 中有一组向量构成我的知识库，例如：

 KB=[[1,2,3,4],[1,2,2,1],[4,3,1,2],[5,4,3,5]]

现在我计算了 KB 的集群，使用：

 from sklearn.cluster import KMeans 
 model=KMeans(n_clusters=3)
 model.fit(KB)

现在我有一个新条目（我可以有多个），

 A=[3,2,1,3]

我会知道哪个集群最适合 A 关于上面计算的集群，然后利用 KB。

你能帮帮我吗？

提前致谢

Answer 1

你在这里：

KB=[[1,2,3,4],[1,2,2,1],[4,3,1,2],[5,4,3,5]]
from sklearn.cluster import KMeans 
model=KMeans(n_clusters=3).fit(KB)
A=[3,2,1,3]
l = model.predict([A])
print model.labels_, l

centers = model.cluster_centers_.copy()
print centers

为了让你的模型成为'fit'，我加入了两条线。然后我使用预测方法来 .. 预测。我还打印了模型中使用的每个示例的标签。

编辑添加情节

import matplotlib.pyplot as plt
import numpy
# Compute the distances vector to vector
d = numpy.array([[numpy.sum(KBi - cj) for KBi in KB] for cj in centers])
print d
# for cluster 0 and 1
plt.scatter(d[0], d[1])
plt.pause(10)

如何对 python 中具有分类知识库的新条目进行分类

How classify new entries in python having classified knowledge base

python

cluster-analysis

k-means