python - 是否可以使用 k-means 在 scikit/sklearn learn 中使用的 K++ 初始化过程？

Question

我正在阅读 k-means 的文档我看到它使用 k++作为初始化。是否可以使用sci-py中实现的k++初始化函数？

阅读他们的文档，我认为唯一的方法是使用 K-means 算法，但不要训练任何次数的迭代，如下所示:

N = 1000 #data set size
D = 2 # dimension
X = np.random.rand(N,D)
kmeans = sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=1, max_iter=0)
ceneters_k_plusplus = kmeans.fit(X)

这可行吗？或者有没有直接的方法来正确使用他们的库？ (在他们的文档中找不到它)

经过一番痛苦和流血之后，我设法让它运行(如果它正确的话，我认为不是 100%，但它返回一个 numpy 数组):

import sklearn
import sklearn.cluster.k_means_
import numpy as np
#from ..utils.extmath import row_norms, squared_norm
from sklearn.utils.extmath import row_norms, squared_norm
from sklearn.utils import check_random_state

X = np.random.rand(10,3)
n_clusters = 4
random_state = None
random_state = check_random_state(random_state)
x_squared_norms = row_norms(X, squared=True)

centers = sklearn.cluster.k_means_._k_init(X, n_clusters, random_state=random_state,x_squared_norms=x_squared_norms)
print centers

Answer 1

它没有在 scipy 中实现。有一个拉取请求实现了它，但它停滞了。 https://github.com/scipy/scipy/pull/4119