使用 sklearn KMeans 与 SciPy kmeans 相比有优势吗？

Posted 2023-03-12

【中文标题】使用 sklearn KMeans 与 SciPy kmeans 相比有优势吗？

【英文标题】：Are there advantages of using sklearn KMeans versus SciPy kmeans?

【发布时间】：2016-09-09 16:44:22

【问题描述】：

来自sklearn KMeans的文档

类 sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', 详细=0，random_state=None，copy_x=True，n_jobs=1)

和SciPy kmeans

scipy.cluster.vq.kmeans(obs, k_or_guess, iter=20, thresh=1e-05, check_finite=真）

很明显参数的数量不同，也许更多的参数可用于 sklearn。

你们中的任何人是否尝试过其中一种方法，并且您是否倾向于在分类问题中使用其中一种方法？

【问题讨论】：

如果不尝试，我总是更喜欢 sklearn。更好的文档（包括用户指南）和更多你可能会使用的工具，比如交叉验证/网格搜索。但这只是我的看法。

scipy 实现让您可以选择设置自己的质心，这很好。另请注意，对于大多数应用程序，您将希望使用kmeans2，而不是您引用的那个。除此之外，我不能说。

【参考方案1】：

基准测试。

而且你再也不会碰 scipy 了。

【讨论】：

似乎很难相互比较——SciPy 的参数与 sklearn 的参数不完全匹配：例如，sklearn 的默认初始化次数是 n=10，而在 SciPy 中则不是'不明确。默认使用 100 个质心和其他参数，SciPy 更快，但这并不意味着更好。

禁用所有附加功能。 n_init=1、tol=thresh=0、max_iter=iter=100000（你想要最终结果，而不是中间结果）。使用大型数据集。