确定点数最多的聚类中心答案

【问题标题】：Determine the center of the cluster with the most points确定点数最多的聚类中心
【发布时间】：2020-01-26 15:45:14
【问题描述】：

在使用 KMeans 对具有 GPS 位置的数据集执行聚类后，有没有办法确定具有最多点的聚类，即最大聚类，然后将其中一个中心与该特定聚类相关联？

假设我的代码是：

kmeans = KMeans(n_clusters=4)
kmeans.fit(points)

我知道我可以通过以下方式打印中心：

print(kmeans.cluster_centers_) -> e.g [[lat1, long1], [lat2, long2], ...]

并通过以下方式确定每个集群的点数：

print(Counter(kmeans.labels_)) -> e.g. Counter({0: 510, 1: 200, 2: 50, 3: 44})

我现在如何将最大的集群（具有 510 个点的集群）链接到正确的中心坐标？这在 Python 中可行吗？

【问题讨论】：

标签： python cluster-analysis

【解决方案1】：

您可以在计数器值上使用 argmax 获得最大的集群标签，并链接到仅索引的中心。

import numpy as np
from sklearn.cluster import KMeans
from collections import Counter

points = np.random.normal(0, 3, size=(100, 2))

kmeans = KMeans(n_clusters=4)
kmeans.fit(points)

counter = Counter(kmeans.labels_)
largest_cluster_idx = np.argmax(counter.values())
largest_cluster_center = kmeans.cluster_centers_[largest_cluster_idx ]

【讨论】：

谢谢。但这不是依赖于kmeans.labels_的顺序对应于kmeans.cluster_centers_的顺序吗？我不确定它们是否对应。例如，如果我们有： Counter({3: 30, 1: 28, 0: 23, 2: 19}) 这意味着第三个集群的点数最多，但您的代码会说索引为 0 并返回中心数组的第一个坐标。
我只是不确定 cluster_centers_ 的顺序。数组元素的顺序以什么方式对应于簇？第一个元素是簇 0 的中心还是最大簇的中心？我找不到有关它的文档。

【解决方案2】：

标签中的索引0对应中心0，索引1对应中心1。

其他一切都是疯狂的，不是吗？

即使您会自动按大小对它们进行排序（这会破坏某些内容），您也需要更新标签，因为用户需要能够为每个点找到正确的中心。

此外，它们按大小重新排序的理论很容易反驳：只需在不同的日子再运行几次，你就会发现反例。特别是，如果您使用reversed(cluster_centers_) 作为初始化，那么它应该在一次迭代内完成并以相反的顺序给出它们。

【讨论】：