-2
このコードはインターネットから入手します。私は自分のデータと仕事に適用します。だから私はこの方法の視覚化を試みようとしますが、私はk-メイドイドの視覚化の関連するコードを見つけることができません。Python K-medoidsの可視化
from nltk.metrics import distance as distance
import Pycluster as PC
words = ['apple', 'Doppler', 'applaud', 'append', 'barker',
'baker', 'bismark', 'park', 'stake', 'steak', 'teak', 'sleek']
dist = [distance.edit_distance(words[i], words[j])
for i in range(1, len(words))
for j in range(0, i)]
clusterid, error, nfound = PC.kmedoids(dist, nclusters=3)
cluster = dict()
uniqid=list(set(clusterid))
new_ids = [ uniqid.index(val) for val in clusterid]
for word, label in zip(words, clusterid):
cluster.setdefault(label, []).append(word)
for label, grp in cluster.items():
print(grp)
それを動作させる方法はありますか? levenshtein距離のような? – user2717427
これはどのように視覚化に役立ちますか? Levenshteinは編集距離ファミリの一部です。 –