问题描述
我已经用K-means来生成base cluster,然后建立co-association。我也是用Gaussian来完成的。但我想有更多的方法来实现它。
def getW(data):
c = 3
N = len(data)
K = int(c * np.sqrt(N))
Num = 6
B = np.zeros((N,N))
for i in range(Num):
kmeans_model = KMeans(n_clusters = K,max_iter = 5)
s = kmeans_model.fit(data)
labels = s.labels_
l = labels
for j in range(K):
li = np.where(l == j)
d = data[li[0]]
if len(li[0]) == 1:
continue
for x in range(len(li[0])):
for y in range(x+1,len(li[0])):
Vote = distance2(d[x],d[y])
if Vote == 0:
Vote = 0.8
else:
Vote = 1 / Vote
B[li[0][x],li[0][y]] += 1 * Vote
B[li[0][y],li[0][x]] +=1 * Vote
return B
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)