python - 如何根据python中最近的聚类质心逻辑为现有的Kmeans聚类分配新的观察？

Question

我使用以下代码使用 Scikit learn 创建了 k-means 集群。

kmean = KMeans(n_clusters=nclusters,n_jobs=-1,random_state=2376,max_iter=1000,n_init=1000,algorithm='full',init='k-means++')

kmean_fit = kmean.fit(clus_data)

我还使用kmean_fit.cluster_centers_ 保存了质心

然后我腌制了 K 表示对象。

filename = pickle_path+'\\'+'_kmean_fit.sav'
pickle.dump(kmean_fit, open(filename, 'wb'))

这样我就可以使用kmean_fit.predict(). 加载相同的kmeans pickle 对象并将其应用于新数据

问题：

1. 请问加载kmeanspickle对象的方法并应用 kmean_fit.predict() 允许我将 新观察分配给 基于现有集群的质心的现有集群？这种方法是否只是在新数据上从头开始重新聚类？

2. 如果此方法不起作用，如何将新观察分配给 鉴于我已经保存了集群，现有集群 centriods 使用高效的 p​​ython 代码？

PS：我知道使用现有集群作为因变量构建分类器是另一种方式，但由于时间紧迫，我不想这样做。

Answer 1

根据Sklearn Kmeans documentation使用predict(X, sample_weight=None)在加载带有存储的Kmeans模型的pickle文件后，将预测X中每个样本所属的最近聚类。

在向量量化文献中，cluster_centers_被称为码本，predict返回的每个值都是码本中最接近的码的索引。

实用说明！
很多时候人们倾向于从model.labels_ 中获取集群标签，但是在这种预测的情况下，请确保使用返回的结果，例如以下示例中的pred_y：

    from sklearn.cluster import KMeans
    import pickle

    # load the model
    model = pickle.load(open(filename, 'rb'))

    # predict using the loaded model
    pred_y = model.predict(X)

Answer 2

这个问题有点老了，但是kmeans在合适的时候设置了一个cluster_centers_参数。如果您有质心，您可以通过以下方式设置它：

kmeans.cluster_centers_ = centroids_init

它应该能够适应之后。

Answer 3

是的。 sklearn.cluster.KMeans 对象是否被腌制（如果您正确地取消腌制，您将处理“相同”的原始对象）不会影响您可以使用predict方法来聚类一个新的观察。

一个例子：

from sklearn.cluster import KMeans
from sklearn.externals import joblib

model = KMeans(n_clusters = 2, random_state = 100)
X = [[0,0,1,0], [1,0,0,1], [0,0,0,1],[1,1,1,0],[0,0,0,0]]
model.fit(X)

输出：

KMeans(copy_x=True, init='k-means++', max_iter=300, n_clusters=2, n_init=10,
    n_jobs=1, precompute_distances='auto', random_state=100, tol=0.0001,
    verbose=0)

继续：

joblib.dump(model, 'model.pkl')  
model_loaded = joblib.load('model.pkl')

model_loaded

输出：

KMeans(copy_x=True, init='k-means++', max_iter=300, n_clusters=2, n_init=10,
    n_jobs=1, precompute_distances='auto', random_state=100, tol=0.0001,
    verbose=0)

看看n_clusters 和random_state 参数在model 和model_new 对象之间有何相同之处？你可以走了。

使用“新”模型进行预测：

model_loaded.predict([0,0,0,0])

Out[64]: array([0])