具有选定初始中心的 k 均值

Question

我正在尝试使用选定的初始质心进行 k 均值聚类。 它说here 指定您的初始中心：

init : {‘k-means++’, ‘random’ or an ndarray} 

如果传递了ndarray，它应该是形状（n_clusters，n_features）并给出初始中心。

我的 Python 代码：

X = np.array([[-19.07480000,  -8.536],
              [22.010800000,-10.9737],
              [12.659700000,19.2601]], np.float64)
km = KMeans(n_clusters=3,init=X).fit(data)
# print km
centers = km.cluster_centers_
print centers

返回错误：

RuntimeWarning: Explicit initial center position passed: performing only one init in k-means instead of n_init=10
  n_jobs=self.n_jobs)

并返回相同的初始中心。知道如何形成初始中心以便可以接受吗？

Answer 1

KMeans 的默认行为是使用不同的随机质心（即Forgy method）多次初始化算法。然后随机初始化的次数由n_init=参数（docs）控制：

n_init ：整数，默认值：10

k-means 算法将以不同的方式运行的次数 质心种子。最终的结果将是最好的输出 n_init 惯性连续运行。

如果您将数组作为init= 参数传递，那么只有单个 初始化将使用数组中明确指定的质心执行。你得到一个RuntimeWarning，因为你仍然传递n_init=10的默认值（here是相关的源代码行）。

忽略此警告实际上完全没问题，但如果您的 init= 参数是一个数组，您可以通过传递 n_init=1 使其完全消失。