Question

我有四个已定义的群集，但我不知道如何获取每个群集的半径或直径。不知道OpenCV或Numpy中是否有功能可以做到这一点。

model = KMeans(init=centers, n_clusters=4, max_iter = 50)
model.fit(x)

Answer 1

这可能很有帮助Scipy Spatial distance。 scipy.spatial.distance.cdist计算两个输入集合的每一对之间的距离。因此，应用于单个群集本身时，Cdist中的最大距离就是群集的直径（如果您知道群集是圆形或半圆形的话）

Answer 2

由于k-means均未使用，因此您必须自己计算这些。

实际上，您首先必须自己定义。

一个易于计算的定义是，半径是距聚类中心的最大距离（由k均值确定），并且直径是半径的两倍。该模型易于计算，并且与k均值的聚类中心一致。

这是最佳选择吗？不可以。K-means不会尝试最小化半径。它最小化平方距离，因此甚至不最小化平均（也不是最大）欧几里德距离。但是它很容易计算机，并且因为您使用k-means，所以用这种方式进行操作最有意义。

或者，您可以将直径定义为聚类中任意两个点的最大距离，将半径定义为其一半。但是随后您将不知道该圆的中心在哪里，以及是否真的可以在数据周围绘制这样的圆，或者数据点是否为奇形。