sklearn.cluster.KMeans 如何处理缺少质心（可用质心小于 n_clusters）的 init ndarray 参数？

Posted 2023-03-12

【中文标题】sklearn.cluster.KMeans 如何处理缺少质心（可用质心小于 n_clusters）的 init ndarray 参数？

【英文标题】：How does sklearn.cluster.KMeans handle an init ndarray parameter with missing centroids (available centroids less than n_clusters)?

【发布时间】：2015-07-22 01:23:56

【问题描述】：

在 Python sklearn KMeans (see documentation) 中，我想知道将形状 (n, n_features) 的 ndarray 传递给 init 参数时内部会发生什么，当 n<n_clusters 时

它是否会删除给定的质心并开始一个 kmeans++ 初始化，这是init 参数的默认选择？ (PDF paper kmeans++) (How does Kmeans++ work) 它是否考虑给定的质心并相应地使用 kmeans++ 填充剩余的质心？ 它是否考虑给定的质心并使用随机值填充剩余的质心？

我没想到这个方法在这种情况下不会返回任何警告。这就是为什么我需要知道它是如何管理这个的。

【参考方案1】：

如果你给它一个不匹配的init，它会调整集群的数量，你可以从source看到。这没有记录，我认为这是一个错误。 我会建议修复它。

【讨论】：

考虑到给定的质心，如果它根据 Kmeans++ 初始化方法填充剩余部分会很有趣

我们可以添加一个选项来执行此操作，但它似乎非常具体。一般来说，这可能是用户代码错误的标志。我们可以添加一个“fill_clusters='kmeans++'”选项，默认情况下会引发错误。但我不确定是否值得添加此代码。不过，您可以轻松地自己实现它。

你会如何实现这个？ Link to relevant question and background