sklearn 和从头开始的不同 Kmean 结果

Question

我尝试比较sklearn包中和从头开始的 kmean 聚类结果。暂存代码如下所示：import matplotlib.pyplot as pltfrom matplotlib import stylestyle.use('ggplot')import numpy as npcolors = 10 * ["g", "r", "c", "b", "k"]class K_Means:    def __init__(self, k=3, tol=0.001, max_iter=300):        self.k = k        self.tol = tol        self.max_iter = max_iter    def fit(self, data):        self.centroids = {}        for i in range(self.k):            self.centroids[i] = data[i]        for i in range(self.max_iter):            self.classifications = {}            for i in range(self.k):                self.classifications[i] = []            for featureset in data:                distances = [np.linalg.norm(featureset - self.centroids[centroid]) for centroid in self.centroids]                classification = distances.index(min(distances))                self.classifications[classification].append(featureset)            prev_centroids = dict(self.centroids)            for classification in self.classifications:                self.centroids[classification] = np.average(self.classifications[classification], axis=0)            optimized = True            for c in self.centroids:                original_centroid = prev_centroids[c]                current_centroid = self.centroids[c]                if np.sum((current_centroid - original_centroid) / original_centroid * 100.0) > self.tol:                    print(np.sum((current_centroid - original_centroid) / original_centroid * 100.0))                    optimized = False            if optimized:                break    def predict(self, data):        distances = [np.linalg.norm(data - self.centroids[centroid]) for centroid in self.centroids]        classification = distances.index(min(distances))        return classification但由于收敛质心不同，结果也不同。sklearn 的散点图：同时，上面代码的散点图：我想知道临时代码中存在哪些错误。

Answer 1

K 均值高度依赖于初始化条件，即均值的起点。scikit-learn 可以根据数据进行智能初始化。如果您仔细阅读文档，您可能可以配置 scikit-learn 的版本以匹配您自己的版本。