precompute_distances 在 sklearn kmeans 方法中做什么？

Question

我正在寻找 precompute_distances 属性的效用：

    class 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, algorithm=’auto’)

它预先计算了哪些距离？

Answer 1

对于每次 kmeans 迭代，我们需要找到最接近每个样本的集群来进行标记。如果pre_compute == True，这是通过metrics.pairwise_distances_argmin_min(). 如果pre_compute == False，则通过cluster._k_means._assign_labels_array()

https://github.com/scikit-learn/scikit-learn/blob/a24c8b464d094d2c468a16ea9f8bf8d42d949f84/sklearn/cluster/k_means_.py#L618

第一种方法使用矩阵运算，而后者一次计算一对距离。这就是为什么precompute = True会更快但会使用更多内存的原因。

这些最小距离不能在迭代之间缓存，因为 kmeans 中心会发生变化。