python Kmeans报错及解决方法

在利用Kmeans方法进行聚类的时候出现了以下错误，我默认设置的是分100类，数据也有100多条，在聚类过程中有如下报错：

ConvergenceWarning: Number of distinct clusters (99) found smaller than n_clusters (100). Possibly due to duplicate points in X.

首先定位出错代码：

kmeans = KMeans(n_clusters=k, random_state=2018)
kmeans.fit(XData)
 pre_y = kmeans.predict(XData)

大概就是这三条当中某一条，最后定位到是fit()函数出现的提示，使用try方法抓取错误，断点定位进行调试，抓取ConvergenceWarning错误：

    # 建立聚类模型对象
    kmeans = KMeans(n_clusters=k, random_state=2018)
    # 训练聚类模型
    try:
        kmeans.fit(XData)#如果数据有重复的情况下，拟合的时候数据会小于K值，所以需要更新K值
    except ConvergenceWarning:
        print("Catch ConvergenceWarning,k={}\n".format(k))
    except:
        print("k={}\n".format(k))

    # 预测聚类模型
    pre_y = kmeans.predict(XData)

经过检查发线是XData数据有重复的造成的，所以在前期确定K值这里进行一下去重即可解决问题
以前K值确定代码：

XData = np.array(X)
if(XData.shape[0]<=k and XData.shape[0]!=0):
        print("XData size:",XData.shape[0])
        k=XData.shape[0]//2
        print("K:",k)
        if(k<=0):
            return result

更改后的代码，利用set进行去重

XData = np.array(list(set(X)))#2022.3.22 zph自带去重复效果
if(XData.shape[0]<=k and XData.shape[0]!=0):
        print("XData size:",XData.shape[0])
        k=XData.shape[0]//2
        print("K:",k)
        if(k<=0):
            return result

以上，特此记录，供出现同样问题的人进行查阅。