具有选定初始中心的k均值

Question

我正在尝试使用选定的初始质心进行k均值聚类。它说在这里 指定您的初始中心：

init : {‘k-means++’, ‘random’ or an ndarray}

如果ndarray通过，它应该是形状（的n_clusters，n_features）并给出初始中心。

我在Python中的代码：

X = np.array([[-19.07480000,  -8.536],
              [22.010800000,-10.9737],
              [12.659700000,19.2601]], np.float64)
km = KMeans(n_clusters=3,init=X).fit(data)
# print km
centers = km.cluster_centers_
print centers

返回错误：

RuntimeWarning: Explicit initial center position passed: performing only one init in k-means instead of n_init=10
  n_jobs=self.n_jobs)

并返回相同的初始中心。任何想法如何形成初始中心以便可以被接受吗？

Answer 1

的默认行为KMeans是使用不同的随机质心多次初始化算法（即Forgy方法）。然后，随机初始化的数量由n_init=参数（docs）控制：

n_init ：int，默认值：10

k均值算法将在不同质心种子下运行的次数。n_init就惯性而言，最终结果将是连续运行的最佳输出 。

如果将数组作为init=参数传递，则仅使用数组中显式指定的质心执行 一次
初始化。之所以得到a是RuntimeWarning因为仍在传递默认值n_init=10（这是源代码的相关行）。

实际上，完全可以忽略此警告，但是n_init=1如果init=参数是数组，则可以通过传递使其完全消失。