K在scikit learn中表示聚类
K means clustering in scikit learn
我正在尝试在 scikit learn 中进行 k 表示聚类。代码：
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters = 10)
x = df.values
kmeans.fit(x.reshape(-1, 1))
如果参数n_init = random，则选择随机初始质心。有没有办法获取使用的初始质心？
是的，我假设您可以在调用 fit()
之前尝试 centroids = kmeans.cluster_centers_
您只能在将 KMeans 对象拟合到您的数据后才能获得聚类中心。
小动作！
所以你可以做的就是将参数 max_iter 设置为 1。默认情况下，它设置为 300，然后中心可能会在每次迭代时发生变化。
如果您只使用一次迭代，算法会将每个样本分配给一个初始中心，然后它会停止，不会更新中心。
因此调用 .cluster_centers_ 将返回初始质心！
我正在尝试在 scikit learn 中进行 k 表示聚类。代码：
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters = 10)
x = df.values
kmeans.fit(x.reshape(-1, 1))
如果参数n_init = random，则选择随机初始质心。有没有办法获取使用的初始质心？
是的，我假设您可以在调用 fit()
centroids = kmeans.cluster_centers_
您只能在将 KMeans 对象拟合到您的数据后才能获得聚类中心。
小动作！
所以你可以做的就是将参数 max_iter 设置为 1。默认情况下，它设置为 300，然后中心可能会在每次迭代时发生变化。
如果您只使用一次迭代，算法会将每个样本分配给一个初始中心，然后它会停止，不会更新中心。
因此调用 .cluster_centers_ 将返回初始质心！