python - 如何从 scikit-learn KMeans 中获取聚类中心的文本？

Question

我有一个我用来适应的字符串列表sklearn.cluster.KMeans：

X = TfidfVectorizer().fit_transform(docs)
km = KMeans().fit(X)

现在我想以原始字符串表示形式获得集群中心。我知道km.cluster_centers_但无法弄清楚如何获得docs.

Answer 1

k均值中没有集群中心的“原始表示” ；它们实际上不是输入集中的点（矢量化文档），而是多个点的手段。由于词袋表示破坏了术语的顺序，因此无法将此类方法转换回文档。

一种可能的近似是取一个质心向量，然后用TfidfVectorizer.inverse_transform它来找出哪些项在其中具有非零 tf-idf 值。

您可以使用k -medoids算法实现您想要的，该算法确实将实际输入点分配为质心，但这并未在 scikit-learn 中实现。