我有一个未标记的数据集，我正在尝试使用各种聚类算法进行聚类。
我成功地使用.means_在sklearn.mix.GaussianMix中找到质心/"每个混合物成分的平均值"。在我的代码中，我采用最接近平均值的点来获得每个集群的代表性样本。
我想用SpectralClustering做同样的事情，但我没有看到".means_"方法或某种方法来获取每个聚类的质心。这可能是由于我对光谱聚类的工作原理有误解，或者只是这个库中缺乏功能。
举个例子，我想做：
sc = SpectralClustering(n_components=10, n_init=100)
sc.fit(data)
closest, _ = pairwise_distances_argmin_min(sc.means_, data)
但是，当然，SpectralClustering没有.means_方法。
感谢您对此的任何帮助。
质
心用于KMean算法。对于光谱聚类，该算法仅存储亲和矩阵和从算法获得的标签。
光谱聚类（或任何其他聚类算法）是否使用聚类中心并不重要！
您可以计算任何集群的质心！它是该集群中元素的平均值（嗯，实际上有一个约束，数据集本身允许平均值的概念）。
因此，使用光谱聚类计算聚类。对于每个聚类，计算其中元素的平均值（即由 m 个 n 维元素组成的聚类的每个维度上的平均值）。