使用sklearn KMeans和SciPy kmeans有什么好处？

Question

来自sklearn KMeans

的文档

  

class sklearn.cluster.KMeans（n_clusters = 8，init =＆＃39; k-means ++＆＃39;，   n_init = 10，max_iter = 300，tol = 0.0001，precompute_distances =＆＃39; auto＆＃39;，   verbose = 0，random_state = None，copy_x = True，n_jobs = 1）

和SciPy kmeans

  

scipy.cluster.vq.kmeans（obs，k_or_guess，iter = 20，thresh = 1e-05，   check_finite = TRUE）

很明显，参数的数量不同，或许更多的参数可用于sklearn。

你们中的任何人都试过一个而不是另一个，你是否愿意在分类问题中使用其中一个？

Answer 1

<强>基准

你永远不会再触摸scipy了。