数据聚类并且给聚类的样本分配伪标签

最新推荐文章于 2023-08-08 15:40:10 发布

甜度超标°

最新推荐文章于 2023-08-08 15:40:10 发布

阅读量550

点赞数

分类专栏：学习笔记文章标签：聚类 python

本文链接：https://blog.youkuaiyun.com/qq_38703529/article/details/128043130

版权

学习笔记专栏收录该内容

83 篇文章

订阅专栏

该内容描述了一个数据聚类的问题解决方案，通过遍历用户数据，进行特征选择和聚类，然后为每个用户样本分配伪标签。使用DataFrame处理用户和物品列表，并应用聚类算法得到聚类结果。最后，根据聚类结果为每个用户生成对应的伪标签列表。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据聚类

问题描述
解决办法

问题描述

数据聚类并且给聚类的样本分配伪标签

解决办法

idxs_users = np.arange(args.num_users)
    feaglobal = []
    Ulist = []
    Dlist = []
    for idx in idxs_users:
        train_dataset = torch.load(os.path.join(data_path[idx], "train.pt").replace("\\", "/"))
        fea,dlist,ulist = FeatureSelection(train_dataset,idx)
        if idx == 0:
            feaglobal = fea
            Dlist = dlist
            Ulist = ulist
        else:
            feaglobal += fea
            Dlist += dlist
            Ulist += ulist

    dfd = DataFrame(Dlist)
    dfu = DataFrame(Ulist)
    samidx, score,Plist = cluster(args,feaglobal, args.num_classes)

    #获取每个用户的伪标签
    pseudo = []
    names = locals()
    for i in range(args.num_users):
        pselist = []
        a = np.where(np.array(Ulist)==i)
        aa = a[0][0]
        for k in range(len(a[0])):
            pseu = Plist[a[0][k]]
            pselist.append(pseu)
        pseudo.append(pselist)