我有将其标记为两个聚类的数据（例如：阳性，阴性）。我将获得新的样本数据，并基于距两个聚类的质心的最短距离，我要将新样本分类为正值或负值。对于那些我可以找到KMeans的例子。我的正样本数据看起来像这样
x1 = np.array([ 0.170755, ...... 0.313704, 0.10206 ]) # 56 dimensions
x2 = np.array([-0.371852, ...... 0.255809, 0.475981])
.... x28
现在，我正在尝试使用上述链接中提到的示例计算群集的质心。
X = np.array(list(zip(x,x2,x3, ..., x28))).reshape(len(x1),28)
kmeans_model = KMeans(n_clusters=1).fit(X)
据我所知，该数据属于一个簇，我给出了n_clusters = 1的值，但是当我尝试打印质心kmeans_model.cluster_centers_的值时，它给出了像[[0.02490224, 0.12898346]]这样的数组，但是我期望数组的尺寸与x1相同。我是在正确计算质心还是我的基本理解出错了？
在这种情况下，将如何计算该质心与新样本之间的距离（类似于x1）？