...
Eroare Machine Learning · Modele: convergență, k-NN, k-means

ValueError: n_samples=3 should be >= n_clusters=4.

Pe scurt

Ai cerut lui KMeans mai multe grupuri (n_clusters) decât puncte ai în date: fiecare grup are nevoie de cel puțin un punct. Micșorează n_clusters sau verifică dacă X are cu adevărat atâtea rânduri câte crezi (de exemplu că nu e transpus).

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

k-means pornește cu n_clusters centre și atribuie fiecare punct celui mai apropiat. Dacă ai mai puține puncte decât centre, unele grupuri ar rămâne goale, așa că KMeans se oprește la fit cu mesajul acesta. Numerele din mesaj îți spun exact câte rânduri are X (n_samples) și câte grupuri ai cerut.

Ca la multe erori de formă, cauza e des în date, nu în parametru: X a fost transpus sau construit ca un singur rând (de exemplu reshape(1, -1)), deci în loc de 100 de clienți cu 3 caracteristici ai 3 „clienți” cu 100 de caracteristici. Alte situații: un filtru care a lăsat puține rânduri sau o grupare făcută pe fiecare categorie în parte, unde unele categorii au foarte puține puncte. Aceeași regulă apare și la alte metode de clustering, precum AgglomerativeClustering.

De ce apare: cauzele frecvente

1Mai multe grupuri decât puncte

Greșit
PYTHON
KMeans(n_clusters=4, n_init=10).fit(X)  # X are 3 rânduri
Corect
PYTHON
KMeans(n_clusters=2, n_init=10).fit(X)

Numărul de grupuri trebuie să fie cel mult egal cu numărul de puncte; în practică, mult mai mic.

2X transpus din greșeală

Greșit
PYTHON
X = df[["suma", "frecventa", "recenta"]].to_numpy().T
KMeans(n_clusters=4, n_init=10).fit(X)
Corect
PYTHON
X = df[["suma", "frecventa", "recenta"]].to_numpy()
KMeans(n_clusters=4, n_init=10).fit(X)

Fără .T, X are câte un rând pe client, iar k-means grupează clienții, nu caracteristicile.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: n_samples=3 should be >= n_clusters=4., pentru că tabelul clienților a fost transpus cu .T, iar k-means vede 3 „puncte”. Repară X: elimină transpunerea, ca programul să afișeze forma lui X și câți clienți are fiecare grup.

Codul care dă eroarea
PYTHON
import numpy as np
from sklearn.cluster import KMeans

# suma cheltuita, numar de comenzi, zile de la ultima comanda
clienti = np.array([
    [100, 2, 60], [120, 3, 55], [90, 1, 70],
    [800, 15, 5], [750, 12, 8], [820, 14, 3],
    [400, 7, 20], [380, 6, 25],
])
X = clienti.T
km = KMeans(n_clusters=4, n_init=10, random_state=0).fit(X)
print("Forma X:", X.shape)
print("Clienti pe grup:", sorted(np.bincount(km.labels_).tolist()))
După reparație, programul afișează
Forma X: (8, 3)
Clienti pe grup: [1, 2, 2, 3]
Indiciu

Șterge .T de la construirea lui X.

Alte forme ale mesajului

  • ValueError: n_samples=1 should be >= n_clusters=3.

Cum o eviți pe viitor

Verifică X.shape înainte de clustering: primul număr trebuie să fie numărul de entități pe care vrei să le grupezi (clienți, produse). Alege n_clusters cu metoda cotului sau cu scorul siluetă, pe un interval rezonabil (de exemplu de la 2 la 10), mult sub numărul de puncte.

Întrebări frecvente

Câte grupuri să aleg?

Încearcă mai multe valori și urmărește inerția (metoda cotului) și scorul siluetă. Alege numărul după care inerția nu mai scade semnificativ și grupurile au sens pentru problema ta.

De ce trebuie n_init=10?

k-means pornește din centre alese aleatoriu, iar rezultatul depinde de start. n_init=10 rulează algoritmul de 10 ori și păstrează cel mai bun rezultat. În versiunile noi valoarea implicită e "auto".

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.