scikit-learn K均值教程

Question

我正在尝试用Python代替R进行数据分析，但遇到了一些问题。所以我在阅读scikit-learn的文档，并试着在自己的环境中运行他们的kmeans示例，但出现了这个错误信息：

从训练数据集中提取特征时使用稀疏向量化器 回溯（最近的调用最后）：

文件 "kmeans.py"，第104行，在 X = vectorizer.fit_transform(dataset.data)

文件 "/Library/Python/2.7/site-packages/scikit_learn-0.15_git-py2.7-macosx-10.9-intel.egg/sklearn/feature_extraction/text.py"，第1238行，在 fit_transform 返回 self._tfidf.transform(X, copy=False)

文件 "/Library/Python/2.7/site-packages/scikit_learn-0.15_git-py2.7-macosx-10.9-intel.egg/sklearn/feature_extraction/text.py"，第1010行，在 transform X = normalize(X, norm=self.norm, copy=False)

文件 "/Library/Python/2.7/site-packages/scikit_learn-0.15_git-py2.7-macosx-10.9-intel.egg/sklearn/preprocessing/data.py"，第542行，在 normalize inplace_csr_row_normalize_l2(X)

文件 "sparsefuncs.pyx"，第146行，在 sklearn.utils.sparsefuncs.inplace_csr_row_normalize_l2 (sklearn/utils/sparsefuncs.c:2714)

ValueError: 缓冲区数据类型不匹配，预期为 'int' 但得到了 'long'

作为参考，代码在这里： http://scikit-learn.org/stable/auto_examples/document_clustering.html

我花了一些时间来安装整个scipy库，但我相信现在已经安装好了，只是在想为什么直接复制粘贴他们的代码后运行会出错（我相信他们不会在网站上放有bug的代码）。你知道怎么解决这个问题吗/发生了什么吗？

Answer 1

一个很有用的方法是安装Anaconda和PyCharm或Eclipse这两个开发工具。你可以把开发工具里的解释器指向Anaconda的库。想要了解更多，可以参考这个链接：http://docs.continuum.io/anaconda/ide_integration.html。而且，通过命令行用“conda update”和“anaconda update”来更新软件包，包括scikit，超级简单。

Answer 2

你是怎么安装scipy这个工具包的？我强烈建议你不要自己去拼装这些工具包，因为这其实挺难的。我更推荐你使用anaconda，你可以在这里找到它。

声明：1）我跟这些人没有关系。2）anaconda有免费的版本，效果很好。