scikit-learn - 在 Scikit 中使用内核 K-Means
问题描述
我正在处理一个非常大的数据集(150 万行)并考虑使用 SVR。由于有太多数据,我想切换到线性 SVM 并使用 nystroem 方法从统一的采样数据制作内核。
但是我更想通过 Kernel K-Means 来构建内核,但是我还没有找到官方的实现。
这个链接提供了一个非官方的方法,但是这会导致一个非常大的模型,因为它是序列化的。 https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.KernelKMeans.html
也许有人知道在哪里寻找这个或如何从任意数据集中实现这个代码?
解决方案
推荐阅读
- python - 整个数据帧的最大索引?
- json - 如何在laravel中使用json键名对结果进行分组
- python - python:将文本文件转换为csv文件
- java - 如何使用球衣客户端模拟与发布请求一起发送的多值地图?
- javascript - req.headers('Authorization') 未定义
- node.js - 如何在文档中查找包含数组中所有元素的文档?
- python - 渲染烧瓶render_template时如何忽略自定义属性?
- python - 如何使用 Pandas 计算另一列等于特定值的 ID 数量?
- python - 如何在 Scikit 中构建线性加法模型?
- jira - 在 jira 中显示每个时间范围内花费在问题上的时间