K- bedeutet, dass die Anfangspunkte für die tf-idf-Matrix definiert werden

Question

Ich verwende k-means zum Clustering von Artikeln und es funktioniert perfekt. Jetzt möchte ich Anfangszentren definieren, um bessere Ergebnisse zu erzielen.

Mein Python-Code:

tfidf_matrix = tfidf_vectorizer.fit_transform(articles) 
X = np.array([[-19.67480000, -8.546], 
      [22.010807000,-10.9737], 
      [11.959700000,19.2701], 
      [12.254700000, 11.2381], 
      [16.649700000,-15.2251], 
      [19.859700000, 13.2601]] , np.float64) 
km = KMeans(n_clusters=6,init=X, n_init=1).fit(tfidf_matrix) 

wenn ich anfängliche Zentroide zu definieren versuchen, erhalte ich folgende Fehlermeldung:

ValueError: The number of features of the initial centers 2 does not match the number of features of the data 4602. 

Vom Fehler erhalte ich die Idee, dass die Dimensionen nicht gleich. Wie kann ich meine ursprünglichen Zentren transformieren, um die Dimensionen der dünn besetzten Matrix zu erfüllen?

Answer 1

Die Anzahl der Features in den Schwerpunkten sollte der Anzahl der Features in den Daten entsprechen.

Ihre Eingabedaten (tfidf_matrix) sind (1111, 8262), d. H. 1111 Stichproben mit 8262 Merkmalen. Dann sollten Ihre 6 Zentroide auch 8262 Funktionen haben. Die Form von X sollte (6,8262) sein.