python - 使用 scikit-learn 的顺序 k 均值聚类

Question

有没有办法使用 scikit-learn 执行顺序 k-means 聚类？如果不重新拟合所有数据，我似乎找不到添加新数据的正确方法。

谢谢

Answer 1

scikit-learn 的KMeans类有一个predict方法，给定一些（新的）点，确定这些点属于哪个集群。调用此方法不会更改簇质心。

如果您确实希望通过添加新数据来更改质心，即您想在在线设置中进行聚类，请使用MiniBatchKMeans估计器及其partial_fit方法。

Answer 2

init您可以使用参数为传递质心的初始值sklearn.cluster.kmeans。那么你可以这样做：

centroids, labels, inertia = k_means(data, k)
new_data = np.append(data, extra_pts)
new_centroids, new_labels, new_inertia = k_means(new_data, k, init=centroids)

假设您只是添加数据点而不更改k.

我认为这有时意味着你会得到一个次优的结果，但它通常应该更快。您可能希望偶尔使用 10 个随机种子重新拟合，然后选择最好的一个。

Answer 3

编写自己的函数来找出哪个质心最接近您正在考虑的点也相对容易。假设您有一些X可以用于 kmeans 的矩阵：

centroids, labels, inertia = cluster.k_means(X, 5)

def pred(arr):
    return np.argmin([np.linalg.norm(arr-b) for b in centroids])

您可以通过以下方式确认这是否有效：

[pred(X[i]) == labels[i] for i in range(len(X))]