我正在尝试使用选定的初始质心进行k-means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。
我在Python中的代码:
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。知道如何组建初始中心以便可以接受吗?
答案 0 :(得分:13)
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,随机初始化的数量由n_init=
参数(docs)控制:
n_init :int,默认值:10
k-means算法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
在惯性方面连续运行。
如果将数组作为init=
参数传递,则只使用数组中明确指定的质心执行单初始化。您收到RuntimeWarning
,因为您仍然传递默认值n_init=10
(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n_init=1
参数是数组,则可以通过传递init=
来完全消失。