在没有拟合模型的情况下使用具有初始质心的 sklearn KMeans答案

【问题标题】：using sklearn KMeans with initial centroids without fitting model在没有拟合模型的情况下使用具有初始质心的 sklearn KMeans
【发布时间】：2022-09-30 21:51:20
【问题描述】：

我已经拟合了一个 KMeans 模型并检索了数据的质心。

有什么方法可以使用这些质心来使用 predict() 函数来初始化 KMeans 模型，但是不调用 fit 函数

我尝试运行以下代码并遇到此错误。这里的 jsonl 文件有一个 json 对象为

{ \"primary\" : [[<some_array>]]}
{ \"secondary\" : [[<some_array>]]}

models = dict()
for json_str in json_list:
    result = json.loads(json_str)
    models[list(result.keys())[0]] = list(result.values())[0]


from sklearn.cluster import KMeans
k = KMeans(init = np.array(models[\'primary\']))
k.predict(inference_data)

NotFittedError: This KMeans instance is not fitted yet. Call \'fit\' with appropriate arguments before using this estimator.

这个问题在 cuml 版本的 KMeans 中得到了很好的处理，但是如何使用 sklearn 来完成它。

标签： python json scikit-learn jsonlines

【解决方案1】：

您可以序列化对象。您可以使用pickle 或joblib。 Sklearn's 首选方式是使用joblib。

from joblib import dump, load

k = KMeans()

# fit and stuff here

dump(k, 'filename.joblib')

# later on

k = load('filename.joblib')

至于像您要求的那样在对象上设置值，您可以尝试设置所有attributes that K-means defines after fitting。您必须自己保存所有这些数据，使用pickle 或joblib 更容易。

k = KMeans.__new__(KMeans)

k.cluster_centers_ = best_centers
k._n_features_out = self.cluster_centers_.shape[0]
k.labels_ = best_labels
k.inertia_ = best_inertia
k.n_iter_ = best_n_iter

【讨论】：