Python KMeans聚类报错ImportError: [joblib] Attempting to do parallel computing without

最新推荐文章于 2024-04-14 22:45:45 发布

原创最新推荐文章于 2024-04-14 22:45:45 发布 · 1.8k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #kmeans

本文通过使用K-Means算法对消费行为特征数据进行聚类分析,介绍了如何进行数据标准化并设置并发数来提高聚类效率。同时解决了在使用joblib进行并行计算时出现的错误。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

求大神指导！
代码的最后一行：

model.fit(data_zs) #开始聚类
运行完之后会报错，提示如下：
ImportError: [joblib] Attempting to do parallel computing without protecting 
your import on a system that does not support forking. To use parallel-computing
 in a script, you must protect your main loop using "if __name__ == '__main__'". 
Please see the joblib documentation on Parallel for more information

----------------------------------------------------------------------------------------

#-*- coding: utf-8 -*-
#使用K-Means算法聚类消费行为特征数据

import numpy as np
import pandas as pd

#参数初始化
inputfile = 'd:/test/consumption_data.xls' #销量及其他属性数据
k = 3 #聚类的类别
threshold = 2 #离散点阈值
iteration = 500 #聚类最大循环次数
data = pd.read_excel(inputfile, index_col = 'Id') #读取数据
data_zs = 1.0*(data - data.mean())/data.std() #数据标准化

from sklearn.cluster import KMeans
model = KMeans(n_clusters = k, n_jobs = 4, max_iter = iteration) #分为k类，并发数4
model.fit(data_zs) #开始聚类