如何手动设置 K-means 聚类中心？

Posted 2023-03-12

【中文标题】如何手动设置 K-means 聚类中心？

【英文标题】：How to manually set K-means cluster's centers?

【发布时间】：2016-08-27 15:19:49

【问题描述】：

我不想预测中心，而是将每个对象分配给已经定义的中心。我该怎么办？

【问题讨论】：

您的意思是要手动选择每个聚类“中心”并将每个点归类到最近的“中心”吗？

是的，菲利普，我可能正在寻找错误的方法。新手在这里...

我不知道 scikit-learn 是否这样做，但你可以很容易地自己实现。手动选择您的中心，为每个点计算距每个中心的距离，为每个点选择最近的中心，现在您已经分类了。

在此处查看我的答案以在 python 中实现：gis.stackexchange.com/questions/412601/…

【参考方案1】：

您可能还想看看Scipy 中的KMeans 实现。参数minit 接受一个矩阵和

将 k 参数解释 [s] 为一个 k × M（或一维数据的长度为 k 数组）的初始质心数组。

【参考方案2】：

一种方法是使用sklearn.cluster.KMeans 模块的n_init 和random_state 参数，如下所示：

from sklearn.cluster import KMeans

c = KMeans(n_init=1, random_state=1)

这做了两件事： 1) random_state=1 将质心种子设置为 1。这与专门选择所需质心的坐标并不完全相同，但它确实允许您控制和复制种子。

2) n_init=1 将迭代次数设置为 1，这意味着您会将集群尝试限制为仅在 random_state 步骤中选择的种子。

您还可以使用n_clusters 参数选择要创建的质心数量。

从这里开始，拟合和预测会将点分配给您预先建立的不同集群。

【讨论】：

但这并不能让我们控制质心的确切位置......对吗？这在这种情况下没有多大用处。

【参考方案3】：

您必须定义一个包含所需中心的数组（我们称之为 X），并在 kmean 算法中输入 'init= X' 看一下 sklearn 中的以下示例：

class sklearn.cluster.KMeans(n_clusters=8, *, init='k-means++', n_init=10, max_iter=300, tol=0.0001, verbose=0, random_state=None, copy_x=True, algorithm='auto')

>>> from sklearn.cluster import KMeans
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...               [10, 2], [10, 4], [10, 0]])
>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
>>> kmeans.labels_
array([1, 1, 1, 0, 0, 0], dtype=int32)
>>> kmeans.predict([[0, 0], [12, 3]])
array([1, 0], dtype=int32)
>>> kmeans.cluster_centers_
array([[10.,  2.],
       [ 1.,  2.]])

更多信息： https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

【参考方案4】：

你可以fit你的KMeans到你想要的聚类中心，然后用这个模型来预测你的数据。

from sklearn.cluster import KMeans

cluster_centers = [[1, 1], [0, 0]]
data  = [[1, 2], [1, 1], [3, 1], [10, -1]]

kmeans = KMeans(n_clusters=2)
kmeans.fit(cluster_centers)
kmeans.cluster_centers_
> array([[0., 0.],
         [1., 1.]])

kmeans.predict(data)
> array([1, 1, 1, 1])

注意：n_clusters 必须与集群中心的数量相匹配

【讨论】：

其他答案告诉您如何设置初始质心/聚类中心。但是，除非数据与质心完全匹配，否则在拟合数据时会被覆盖。