基于6维向量的K-Means聚类输入格式问题及代码报错咨询

一、输入格式的选择 #

两种格式对应不同的聚类目标，按需选择：

• 2维输入（每个样本是(PSNR, 码率)对）
  把每个码率档位对应的PSNR和码率值组成一个2维样本，比如(33.3987, 3929.76)。这种方式适合将R-D曲线上的单个点作为聚类对象，比如区分不同码率下的性能簇，或者找出异常的性能点。如果你的数据集包含多条R-D曲线，总样本数会是「曲线条数×档位数量」。
• 12维输入（每个样本是整条R-D曲线）
  把6维PSNR向量和6维码率向量拼接成一个12维向量，作为单个样本。这种方式适合将整条R-D曲线的整体特征作为聚类对象，比如区分不同视频/编码方案的R-D曲线形态差异，仅当你有多条独立的R-D曲线时（比如代码里的71条），这种方式才有意义。

二、代码报错修复 #

你的代码报错是因为生成了3维数组(2,71,6)，而K-Means要求输入必须是2维数组（样本数×特征数）。同时注意你变量名写反了（把码率数据加载到了psnr_bitrate，PSNR数据加载到了bitrate），先修正命名，再根据聚类目标调整输入：

场景1：以(PSNR,码率)对为样本（2维特征） #

import numpy as np
from sklearn.cluster import KMeans

# 修正变量命名，加载数据
bitrate = np.load(r'F:/RD_data_from_twitch_system/RD_data_from_twitch_system/bitrate_1080.npy')
psnr = np.load(r'F:/RD_data_from_twitch_system/RD_data_from_twitch_system/psnr_1080.npy')

# 将每个档位的PSNR和码率配对，展平为N×2的2维数组
# reshape(-1,1)把71×6的数组转为426×1，再拼接成426×2
kmeans_input = np.hstack([psnr.reshape(-1, 1), bitrate.reshape(-1, 1)])

# 执行K-Means聚类
kmeans = KMeans(n_clusters=3)  # 根据需求调整聚类数
clusters = kmeans.fit_predict(kmeans_input)

场景2：以整条R-D曲线为样本（12维特征） #

import numpy as np
from sklearn.cluster import KMeans

# 修正变量命名，加载数据
bitrate = np.load(r'F:/RD_data_from_twitch_system/RD_data_from_twitch_system/bitrate_1080.npy')
psnr = np.load(r'F:/RD_data_from_twitch_system/RD_data_from_twitch_system/psnr_1080.npy')

# 拼接每条曲线的PSNR和码率向量，得到71×12的2维数组
kmeans_input = np.hstack([psnr, bitrate])

# 执行K-Means聚类
kmeans = KMeans(n_clusters=3)  # 根据需求调整聚类数
clusters = kmeans.fit_predict(kmeans_input)

内容的提问来源于stack exchange，提问作者david