仿射传播的剪影分数问题

Question

我试图运行此代码，但遇到错误：ValueError:标签数为1。有效值为2到n_samples-1(包括2和n_samples(。此外，据说：亲和性传播没有收敛，该模型将没有任何聚类中心。这两个问题的解决方案是什么

preferences = range(-15000,-5000,50) # arbitraty chosen range
af_sil_score = [] # silouette scores
for p in preferences:
AF = AffinityPropagation(preference=p, max_iter=200).fit(X)
no_of_clusters.append((len(np.unique(AF.labels_))))
af_sil_score.append(silhouette_score(X, AF.labels_))

af_results = pd.DataFrame([preferences, no_of_clusters, af_sil_score], index=['preference','clusters', 'sil_score']).T
af_results.sort_values(by='sil_score', ascending=False).head() # display only 5 best scores```

Answer 1

对于您的某些偏好值，它不适合您的数据集，并且不会收敛(给您带来收敛错误(。当算法失败时，它不会返回标签，应用silhouette_score(第二个错误(也没有意义。

您可以查看此页面或其他帖子，了解如何设置首选项值。或者，您可以简单地尝试一系列值，当集群数量低于2时，只需返回-1。

Using an example :
from sklearn.cluster import AffinityPropagation
from sklearn.metrics import silhouette_score
from sklearn.datasets import make_blobs
import pandas as pd
X, labels_true = make_blobs( n_samples=250, random_state=0, n_features =5, centers = 3 )
preferences = range(-1000,-100,100) 
af_sil_score = [] # silouette scores
no_of_clusters = []
for p in preferences:
AF = AffinityPropagation(preference=p, max_iter=200).fit(X)
no_of_clusters.append(len(AF.cluster_centers_))
if len(AF.cluster_centers_) > 1:
af_sil_score.append(silhouette_score(X, AF.labels_))
else :
af_sil_score.append(-1)

结果是这样的，你可以在上面的示例数据集中看到它开始在-500左右工作：

pd.DataFrame({'preferences':preferences,'no_of_clusters':no_of_clusters,'sil':af_sil_score})
preferences  no_of_clusters       sil
0        -1000               0 -1.000000
1         -900               0 -1.000000
2         -800               0 -1.000000
3         -700               0 -1.000000
4         -600               0 -1.000000
5         -500               3  0.716733
6         -400               3  0.716733
7         -300               3  0.716733
8         -200               3  0.716733