我对sklearn.cluster.MiniBatchKMeans感兴趣，认为它是使用大型数据集的一种方式。无论如何，我对MiniBatchKMeans.partial_fit()和MiniBatchKMeans.fit()之间的区别感到困惑。
关于fit()的文档指出：
通过将X上的质心分成小批来计算。
有关partial_fit()的文档指出：
更新k表示单个小批量X上的估算值。
因此，据我所知，fit()将数据集拆分为数据块，以训练k均值（我猜batch_size的参数MiniBatchKMeans()就是这个） partial_fit()使用传递给它的所有数据来更新中心。术语“更新”可能看起来有点含糊，指示是否应该执行初始训练（使用fit()），但是从documentation中的示例来看，这不是必须的（我可以使用{ {1}}的开头。）
partial_fit()是否将使用传递给它的所有数据而不论其大小是真的吗？还是将数据大小绑定到作为参数传递给partial_fit()构造函数的batch_size上？同样，如果将MiniBatchKMeans设置为大于实际数据大小，则结果将与标准k均值算法相同（我猜想，由于结构不同，后一种情况下效率可能会有所不同）。
答案 0 :(得分：1)
partial_fit用于在线群集，而fit用于离线群集，但是我认为MiniBatchKMeans的partial_fit方法有点粗糙。
我从存储库中分离了旧的PR，发现this one，这似乎是该实现的第一个提交，它提到该算法可以将partial_fit方法实现为在线聚类方法（遵循在线API讨论）。
与BIRCH实现一样，该算法也将fit用作一次性离线聚类，并将partial_fit用作在线聚类。
但是，我进行了一些测试，通过使用整个数据集中的拟合与使用partial_fit和大块拟合来比较结果标签的ARI，并且似乎没有任何结果，因为ARI结果是非常低（〜0.5），并且显然通过更改初始化来调整适合的块状拍子partial_fit，这没有任何意义。您可以找到我的笔记本here。
所以我的猜测是基于PR中的this response：
我相信该分支机构可以并且应该合并。
在线拟合API（partial_fit）可能需要成熟，但是我 认为这超出了这项工作的范围。核心 贡献，这是一个小批量的K均值，很好，而且似乎确实 加快速度。
自PR以来，实现没有太大变化，partial_fit方法仍然有点粗糙，从2011年到现在的两个实现都发生了变化（与release标签相比），但是它们都调用了函数_mini_batch_step中的partial_fit一次（没有详细信息），而fit中的多次调用（具有详细信息）。