为什么当我用 K-means 做 4 个集群时，我只有一个惯性而不是 4 个？

Question

我有一个数据框，我使用 sklearn KMeans 函数做了 4 个集群聚类：

km = KMeans(n_clusters=4, init='random', n_init=10, max_iter=10,
                    tol=1e-4, random_state=10, algorithm='full', )  
km.fit(df)

所以，我有 4 个集群，但是当我这样做时：

km.inertia_

我只得到一个值：

1732.350

但是根据惯性的定义，它是样本到最近的聚类中心的距离的平方和。所以必须有 4 个惯性值不是 1 还是我错了？

Answer 1

属性interia是一个数字，它是样本到最近聚类中心的距离的平方和。

Answer 2

惯性被用作 select 几次运行中最佳聚类的标准。为了能够找到最好的一个，所有的聚类都应该以某种方式排序。这是通过为它们中的每一个分配一个称为惯性的标量值来完成的，这样它们就可以很容易地相互比较。此值不打算以任何其他方式使用。

这是在矩阵密集的情况下计算其值的当前实现（源代码可用here）：

cpdef floating _inertia_dense(
        np.ndarray[floating, ndim=2, mode='c'] X,  # IN
        floating[::1] sample_weight,               # IN
        floating[:, ::1] centers,                  # IN
        int[::1] labels):                          # IN
    """Compute inertia for dense input data
    Sum of squared distance between each sample and its assigned center.
    """
    cdef:
        int n_samples = X.shape[0]
        int n_features = X.shape[1]
        int i, j

        floating sq_dist = 0.0
        floating inertia = 0.0

    for i in range(n_samples):
        j = labels[i]
        sq_dist = _euclidean_dense_dense(&X[i, 0], &centers[j, 0],
                                         n_features, True)
        inertia += sq_dist * sample_weight[i]

    return inertia

只有一个循环，遍历所有集群并累加总和，因此它没有提供单独获取每个集群的惯性值的方法。如果每个集群都需要惯性，那就得自己实现了。

为什么当我用 K-means 做 4 个集群时，我只有一个惯性而不是 4 个？

Why when I do 4 clusters clustering with K-means, I have only one intertia and not 4?

python

python-3.x

scikit-learn

cluster-analysis

k-means