ValueError: Number of labels is 1. Valid values are 2 to n_samples - 1 (inclusive)
其中代码如下：
Scores = []
for i in range(1, max_value):
estimator = KMeans(n_clusters=i, random_state
ValueError: Number of labels is 1. Valid values are 2 to n_samples - 1 (inclusive)轮廓系数获取最佳k值
通常不会报出这种错误，但还是有奇人能搞出来。这种错误通过断点调试就可以发现错误
在利用Python进行绘图时可能报出这种错误。
Traceback (most recent call last):
File "E:\Anaconda3\envs\python27\Lib\lib-tk\Tkinter.py", line 1542, in __call__
return self.func(*args)
File "E:\Anaconda3\envs\python27\lib\site-packages\matplotlib\backends\_backend_tk.py", l
在用python的LinearRegression做最小二乘时遇到如下错误：
ValueError: Expected 2D array, got 1D array instead:
array=[5.].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
翻译过来是：
ValueError：预期为2D数组，改为获取1D数组：
数组= [5.]。
如果数据具有单个
K-Means 算法的主要缺点：算法性能受类别个数 k 值、初始点值、异常点值影响很大。本文针对以上 k-means 算法主要缺点，详解 k-means 算法优化方案。
一、make_blobs 函数库
make_blobs() 是 sklearn.datasets 中的一个函数，主要功能是：生成聚类数据集。
主要参数：
（1）n_samples：样本数据量，默认值 100；
（2）n_features：样本维度，默认.........
一般来说，BIRCH算法适用于样本量较大的情况，这点和Mini Batch K-Means类似，但是BIRCH适用于类别数比较大的情况，而Mini Batch K-Means一般用于类别数适中或者较少的时候。BIRCH除了聚类还可以额外做一些异常点检测和数据初步按类别规约的预处理。但是如果数据特征的维度非常大，比如大于20，则BIRCH不太适合，此时Mini Batch K-Means的表现较好。
数据格式： test.dat
新春 备 年货 ， 新年 联欢晚会
新春 节目单 ， 春节 联欢晚会 红火
2、脚本重启
3、加载模型：model.load_weights(‘./model.h5’)
4、模型报错：ValueError: You are trying to load a weight file containing 12 layers into a model with 0 layers.
问题分析：
模型创建后还没有编译，一般是在模型加载前调用model.build(input_shape), 但我通过Dataset将输入已经变为dict格式了，暂时没找这样输入怎么匹配input_shap
mlb = MultiLabelBinarizer()
with open(os.path.join(DATADIR, 'vocab.tags.txt'), 'r', encoding='utf-8') as f:
mlb.fit([[l.strip() for l ...
