sklearn中的k-means聚类异质性

Question

如何在收敛过程中计算 sklearn 中的集群异质性？集群异质性由每个样本点相对于指定集群的欧几里得距离的总和给出。这为每个步骤提供了不同的值。

Answer 1

对于最终 k-means 模型的集群异质性，您可以执行以下操作。

首先创建模型并将其拟合到一些数据（在我的示例中，我使用 sklearn make blob 创建 3 个数据点 blob）。

import numpy as np
from sklearn.cluster import KMeans
from sklearn.metrics.pairwise import pairwise_distances_argmin, euclidean_distances
from sklearn.datasets.samples_generator import make_blobs
np.random.seed(0)
batch_size = 45
centers = [[1, 1], [-1, -1], [1, -1]]
X, labels_true = make_blobs(n_samples=3000, centers=centers, cluster_std=0.7)
k_means = KMeans(init='k-means++', n_clusters=3, n_init=10)
k_means.fit(X)

该模型预测了这些集群。

模型拟合好后，我们需要得到所有簇的质心。为此，您可以使用它。

k_means_cluster_centers = k_means.cluster_centers_

然后我们需要知道 X 中的所有数据点属于哪个集群。为此，您可以使用pairwise_distances_argmin此函数返回任何一组点作为其最近质心的聚类。

k_means_labels = pairwise_distances_argmin(X, k_means_cluster_centers)

然后您需要计算所有集群的异质性。为此，我们需要以下 for 循环和euclidean_distances函数。euclidean_distances计算点之间的欧几里德距离。

for i,j in enumerate(set(k_means_labels)):
    positions=X[np.where(k_means_labels == i)]
    output=sum(euclidean_distances(positions,k_means_cluster_centers[j].reshape(1,-1)))
    print('cluster {} has a  heterogeneity of {}'.format(i,output))

在这个循环中，我们得到属于一个簇的所有 X 值。计算所有点到该簇质心的欧几里德距离。取总和并打印输出。

对于我的示例，输出是这样的。

cluster 0 has a  heterogeneity of [ 754.20784445]
cluster 1 has a  heterogeneity of [ 852.41305495]
cluster 2 has a  heterogeneity of [ 843.7821897]

据我所知，您只能在拟合模型后获得异质性分数，而不能在使用 sklearn 实现拟合模型期间获得异质性分数。