在不拟合的情况下使用 sklearn KMean-解网

问：

与这里的问题类似，我想根据预先计算的质心对一些数据进行聚类。与该问题不同的是，这些质心是由其他方法提供的。

我可以自己计算它，但是使用 scikit-learn 的 KMean 的界面对于其他操作（例如，稍后标记点和采样点）非常有用。

基本上，有没有一种解决方法可以将 KMean 与和一起使用？max_iter=0n_init=0

python 机器学习 scikit-learn k-means

init{'k-means++'， 'random'}，可调用或类似数组的形状（n_clusters， n_features）， default='k-means++' 方法初始化：

'k-means++' ：使用基于采样的初始聚类质心关于点贡献的经验概率分布到整体惯性。这种技术加快了收敛速度。这实现的算法是“贪婪的 k-means++”。它不同于 Vanilla K-means++ 通过在每个采样步骤进行多次试验和从中选择最好的质心。

“随机”：从数据中随机选择n_clusters观测值（行）对于初始质心。

如果传递了一个数组，它的形状应该是（n_clusters， n_features）并给出初始中心。

如果传递了可调用对象，则应接受参数 X、n_clusters 和随机状态并返回初始化。

所以你可以做

def custom_fun(X, n_clusters, random_state):
   ...

kmeans = Kmeans(init=custom_fun)

然后设置max_iters=0

由于 sklearn 进行参数检查和max_iters

import sklearn
sklearn.set_config(
   skip_parameter_validation=True,  
)

在不拟合的情况下使用 sklearn KMean

Using sklearn KMeans without fitting

评论

评论