使用scikit-learn的顺序k均值聚类

Question

有没有办法使用scikit-learn执行顺序k-means聚类？我似乎找不到合适的方法来添加新数据，而无需重新拟合所有数据。

谢谢

Answer 1

scikit-learn的KMeans类有一个predict方法，给定一些（新的）点，确定这些点所属的聚类。调用此方法不更改群集中心。

如果您 希望通过添加新数据来更改质心，即您想在在线设置中进行聚类，请使用MiniBatchKMeans估算工具及其{{1方法。

Answer 2

您可以将init参数的质心的初始值传递给sklearn.cluster.kmeans。那么你就可以这样做：

centroids, labels, inertia = k_means(data, k)
new_data = np.append(data, extra_pts)
new_centroids, new_labels, new_inertia = k_means(new_data, k, init=centroids)

假设您只是添加数据点而不是更改k。

我认为这有时意味着你会得到一个不理想的结果，但通常应该更快。你可能偶尔会想要用10个随机种子重做拟合，然后选择最好的种子。

Answer 3

编写自己的函数也比较容易，找出哪个质心最接近您正在考虑的点。假设你有一些矩阵X已经为kmeans做好准备了：

centroids, labels, inertia = cluster.k_means(X, 5)

def pred(arr):
    return np.argmin([np.linalg.norm(arr-b) for b in centroids])

您可以通过以下方式确认这是有效的：

[pred(X[i]) == labels[i] for i in range(len(X))]