具有选定初始中心的k均值

Question

我正在尝试使用选定的初始质心进行k-均值聚类。上面写着指定您的初始中心：

init : {‘k-means++’, ‘random’ or an ndarray} 

如果传递了一个ndarray，它的形状应该是（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。你知道如何形成最初的中心以便被接受吗？

Answer 1

KMeans的默认行为是使用不同的随机质心多次初始化算法（即Forgy方法）。随机初始化的次数由n_init=参数（docs）控制：

n_init：int，默认值：10

k均值算法在不同情况下运行的时间质心种子。最终结果将是n_init在惯性方面连续运行。

如果将数组作为init=参数传递，则将使用数组中明确指定的质心仅执行单个初始化。您得到的是RuntimeWarning，因为您仍在传递默认值n_init=10（以下是源代码的相关行）。

实际上，忽略这个警告是完全可以的，但如果init=参数是一个数组，则可以通过传递n_init=1来使它完全消失。