python - Kmeans 算法的特征缩放

Question

我知道下定义的 KMeans 算法需要特征缩放sklearn.cluster.KMeans

我的问题是，在使用 KMeans 之前是否需要手动完成，或者 KMeans 是否会自动执行特征缩放？如果是自动的，请告诉我它在 KMeans 算法中指定的位置，因为我无法在此处的文档中找到它:

https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

顺便说一句，人们说 Kmeans 本身负责特征缩放。

Answer 1

如果您的变量具有不可比较的单位(例如，高度以厘米为单位，体重以千克为单位)，那么您当然应该对变量进行标准化。即使变量具有相同的单位但显示出截然不同的方差，在 K 均值之前进行标准化仍然是一个好主意。您会看到，K 均值聚类在空间的所有方向上都是“各向同性”的，因此往往会产生或多或少的圆形(而不是细长)聚类。在这种情况下，让方差不相等相当于对方差较小的变量赋予更多的权重，因此聚类往往会沿着方差较大的变量分开。

还值得提醒的另一件事是，K 均值聚类结果可能对数据集中对象的顺序敏感1。合理的做法是多次运行分析，随机化对象顺序；然后对这些运行的聚类中心进行平均，并将这些中心输入为最后一次分析运行的初始中心。

或其他多变量分析。

1 具体来说，(1)一些中心初始化方法对案例顺序敏感； (2) 即使初始化方法不敏感，结果有时也可能取决于将初始中心引入程序的顺序(特别是当数据内存在相等的绑定(bind)距离时)； (3) k-means 算法的所谓运行均值版本对案例顺序自然敏感(在这个版本中，除了在线聚类之外，不经常使用)在每个单独的案例重新分配给另一个集群)。