与 SciPy kmeans 相比，使用 sklearn KMeans 是否有优势？

Question

来自sklearn KMeans的文档

类 sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs =1)

和SciPy kmeans

scipy.cluster.vq.kmeans(obs, k_or_guess, iter=20, thresh=1e-05, check_finite=True)

很明显，参数的数量有所不同，也许 sklearn 可以使用更多的参数。

你们中有人尝试过其中一种吗？在分类问题中您是否更倾向于使用其中一种？

Answer 1

基准。

而且你再也不会碰 scipy 了。