如何使用 Scikit-learn 找到集群质心 [关闭]答案

【问题标题】：How to find cluster centroid with Scikit-learn [closed]如何使用 Scikit-learn 找到集群质心 [关闭]
【发布时间】：2018-10-24 06:13:36
【问题描述】：

我有一个带有（标记）集群的数据集。我试图找到每个集群的质心（一个距离集群所有数据点的距离最小的向量）。

我找到了许多执行聚类的解决方案，然后才找到质心，但我还没有找到现有的。

Python schikit-learn 是首选。谢谢。

【问题讨论】：

你有什么代码可以证明你已经尝试过吗？通常，为了找到集群质心，您只需对集群中的所有示例取特征向量的平均值。 Pandas-esk 示例df.groupby("cluster").mean()
检查this。 KMeans 的属性之一是cluster_centers_
@KenSyme 我一开始就是这样做的，但我的主管说他不想这样做。
请说明您尝试了哪些方法以及遇到了哪些困难？如果您不确定从哪里开始，那么 SO 不是这个地方。 Start here
@ninesalt 我看到了，但我的数据已经被标记，我不想执行 kmeans

标签： python machine-learning scikit-learn centroid

【解决方案1】：

直接来自docs：

from sklearn.neighbors.nearest_centroid import NearestCentroid
import numpy as np
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
y = np.array([1, 1, 1, 2, 2, 2])
clf = NearestCentroid()
clf.fit(X, y)

print(clf.centroids_)
# [[-2.         -1.33333333]
#  [ 2.          1.33333333]]

【讨论】：

仅供参考，这只是取平均值（欧几里得距离）或中位数（曼哈顿距离）。
然后您可以使用 clf.classes_ 将计算出的质心与原始数据类进行匹配。