scikit-learn 的 k-means：预测方法的真正作用是啥？

Posted 2023-03-12

【中文标题】scikit-learn 的 k-means：预测方法的真正作用是啥？

【英文标题】：scikit-learn's k-means: what does the predict method really do?scikit-learn 的 k-means：预测方法的真正作用是什么？

【发布时间】：2014-09-20 15:35:52

【问题描述】：

当我使用 scikit-learn 的 k-means 实现时，我通常只调用 fit() 方法，这足以获取集群中心和标签。 predict() 方法用于计算标签，甚至fit_predict() 方法也可以方便地使用，但是如果我只能使用fit() 来获取标签，那么predict() 方法的目的是什么？

【问题讨论】：

不会对看不见的数据使用predict 方法吗？

有道理。因为它是 k-means，所以我并没有那样想。

我不确定我是否仍然理解。我有 n 个观察值并使用 kmeans 拟合它们。我有 n+1 观察，所以我可以简单地将其添加到我的数据集中并使用 fit() 拟合所有 n+1。或者，我们可以使用 fit() 并在第 n+1 次观察时使用 predict()。那么我是否正确理解在 predict() 中我们不会重新计算集群的质心？

【参考方案1】：

predict，正如@EdChum 建议的那样，可用于未见数据。这（更重要的是，transform 方法）在将 k-means 用于半监督学习中的特征提取时很有用：您对大量样本进行聚类，然后使用最近的质心/到质心的距离作为后续监督学习的特征问题。使用结果进行预测时，您会得到 k-means 未看到的样本。

【讨论】：

你能告诉我在应用 k-means 后最推荐的创建训练集的方法是什么吗？我使用 dictVectorizer + tfIDFTransformer 获得 X 然后执行 km.fit(X)，我想对新文档使用 predict 但我需要为其创建一个稀疏矩阵，实现这一目标的最有效方法是什么？跨度>