我在进行一个实验，使用了三个具有不同特征的时间序列数据集，其格式如下所示。
0.086206438,10 0.086425551,12 0.089227066,20 0.089262508,24 0.089744425,30 0.090036815,40 0.090054172,28 0.090377569,28 0.090514071,28 0.090762872,28 0.090912691,27第一列是timestamp。为了可重复性，我在这里分享了数据链接。从第二列开始，我想读取当前行并与前一行的值进行比较。如果当前值大于前一行的值，我继续比较。如果当前值小于前一行的值，我想将当前值（较小值）除以前一值（较大值）。相应的代码如下：
import numpy as npimport matplotlib.pyplot as pltprotocols = {}types = {"data1": "data1.csv", "data2": "data2.csv", "data3": "data3.csv"}for protname, fname in types.items(): col_time,col_window = np.loadtxt(fname,delimiter=',').T trailing_window = col_window[:-1] # "past" values at a given index leading_window = col_window[1:] # "current values at a given index decreasing_inds = np.where(leading_window < trailing_window)[0] quotient = leading_window[decreasing_inds]/trailing_window[decreasing_inds] quotient_times = col_time[decreasing_inds] protocols[protname] = { "col_time": col_time, "col_window": col_window, "quotient_times": quotient_times, "quotient": quotient, } plt.figure(); plt.clf() plt.plot(quotient_times,quotient, ".", label=protname, color="blue") plt.ylim(0, 1.0001) plt.title(protname) plt.xlabel("time") plt.ylabel("quotient") plt.legend() plt.show()这会产生以下三个点 – 每个我共享的数据集一个点。
从上述代码生成的图表中的点可以看出，data1的值非常一致，约为1，data2会有两个商值（值集中在0.5或0.8附近），而data3的值集中在两个值附近（0.5或0.7附近）。这样，给定一个新的数据点（具有quotient和quotient_times），我想通过构建每个数据集来堆叠这两个转换后的特征quotient和quotient_times，以了解它属于哪个cluster。我尝试使用KMeans聚类如下所示
from sklearn.cluster import KMeansk_means = KMeans(n_clusters=3, random_state=0)k_means.fit(quotient)但这会给我一个错误：ValueError: n_samples=1 should be >= n_clusters=3。我们如何解决这个错误？
更新：样本商数据 = array([ 0.7 , 0.7 , 0.4973262 , 0.7008547 , 0.71287129, 0.704 , 0.49723757, 0.49723757, 0.70676692, 0.5 , 0.5 , 0.70754717, 0.5 , 0.49723757, 0.70322581, 0.5 , 0.49723757, 0.49723757, 0.5 , 0.49723757])
回答：
目前，你的quotient变量现在是一个单一的样本；我得到一个不同的错误消息，可能是因为不同的Python/scikit-learn版本，但本质上是相同的：
import numpy as npquotient = np.array([ 0.7 , 0.7 , 0.4973262 , 0.7008547 , 0.71287129, 0.704 , 0.49723757, 0.49723757, 0.70676692, 0.5 , 0.5 , 0.70754717, 0.5 , 0.49723757, 0.70322581, 0.5 , 0.49723757, 0.49723757, 0.5 , 0.49723757])quotient.shape# (20,)from sklearn.cluster import KMeansk_means = KMeans(n_clusters=3, random_state=0)k_means.fit(quotient)这会产生以下错误：
ValueError: Expected 2D array, got 1D array instead:array=[0.7 0.7 0.4973262 0.7008547 0.71287129 0.704 0.49723757 0.49723757 0.70676692 0.5 0.5 0.70754717 0.5 0.49723757 0.70322581 0.5 0.49723757 0.49723757 0.5 0.49723757].Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.尽管措辞不同，但与你的错误并无不同 – 基本上它说你的数据看起来像一个单一的样本。
按照第一个建议（即认为quotient包含一个单一的特征（列））解决了这个问题：
k_means.fit(quotient.reshape(-1,1))# resultKMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300, n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto', random_state=0, tol=0.0001, verbose=0)