KMeans中不同簇的数量小于n_clusters？

Question

我将一些食物图像存储在一个文件夹中。所有图像都没有标签，也没有存储在单独的文件夹中，例如“意大利面”或“肉”。我当前的目标是将图像分类为多个类别，以便以后可以评估同一图像中描述的食物的味道是否相似。

为此，我加载图像并以可以馈入VGG16的格式对其进行处理，以进行特征提取，然后将特征传递给我的KMeans以对图像进行聚类。我使用的代码是：

path = r'C:\Users\Hi\Documents\folder'
train_dir = os.path.join(path)
model = VGG16(weights='imagenet', include_top=False)
vgg16_feature_list = []
files = glob.glob(r'C:\Users\Hi\Documents\folder\*.jpg')
for i in enumerate(files):
    img = image.load_img(img_path,target_size=(224,224))
    img_data=image.img_to_array(img)
    img_data=np.expand_dims(img_data,axis=0)
    img_data=preprocess_input(img_data)

    vgg16_feature = model.predict(img_data)
    vgg16_feature_np = np.array(vgg16_feature)
    vgg16_feature_list.append(vgg16_feature_np.flatten())
vgg16_feature_list_np=np.array(vgg16_feature_list)
print(vgg16_feature_list_np.shape)
print(vgg16_feature_np.shape)

kmeans = KMeans(n_clusters=3, random_state=0).fit(vgg16_feature_list_np)
print(kmeans.labels_)

问题是我收到以下警告：

ConvergenceWarning: Number of distinct clusters (1) found smaller than n_clusters (3). Possibly due to duplicate points in X. 

我该如何解决？

Answer 1

这是其中一种情况，尽管从programming的角度来看您的代码很好，但是由于与[[ML相关的问题（数据，模型或两者兼而有之），它无法产生令人满意的结果），因此很难“调试”（我引用这个词，因为这不是典型的调试过程，因为代码本身运行良好）。

起初，这种情况似乎暗示您的功能没有足够的多样性来证明3个不同的群集的合理性。并且，只要我们仍然处于K-means上下文中，您将无能为力。在几个可用选项中（有关各个参数的详细信息，请参见documentation）：

增加迭代次数max_iter（默认为300）
• 增加不同质心初始化的数量n_init（默认10）
• 将init参数更改为random（默认值为k-means++），或者甚至更好的是，提供一个3元素数组，其中包含每个目标集群中的一个样本（如果您已经知道这些集群可能实际上在您的数据中）
• 使用不同的random_state值运行模型
• 合并以上内容

如果上述方法没有任何效果，您应该为在这里实际上不适用K均值的方法做好准备，您可能必须寻找替代方法。