我正在使用 sklearn 的 k-means 聚类来聚类我的数据。现在我想知道我的集群之间的距离，但找不到。我可以计算每个质心之间的距离，但想知道是否有一个函数可以得到它，以及是否有办法获得每个簇之间的最小/最大/平均链接距离。我的代码很简单：
km = KMeans(n_clusters = 5, random_state = 1)
km.fit(X_tfidf )
clusterkm = km.cluster_centers_
clusters = km.labels_.tolist()
谢谢！
【问题讨论】：
标签： python scikit-learn distance k-means
km.inertia_ 是 sklearn 的度量，KMeans 是距离平方和。
来自 sklearn 网站： 惯性_：浮动 样本到它们最近的聚类中心的距离平方和，如果提供，则按样本权重加权。 https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
【讨论】：
不幸的是，您将不得不自己计算集群中心上的这些距离。 Scikit 没有提供开箱即用的方法。这是一个类似的问题设置：
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
from sklearn.metrics.pairwise import euclidean_distances
X, y = load_iris(return_X_y=True)
km = KMeans(n_clusters = 5, random_state = 1).fit(X)
以及如何计算距离：
dists = euclidean_distances(km.cluster_centers_)
然后要获得您感兴趣的统计数据，您只需计算距离矩阵的上（或下）三角角：
import numpy as np
tri_dists = dists[np.triu_indices(5, 1)]
max_dist, avg_dist, min_dist = tri_dists.max(), tri_dists.mean(), tri_dists.min()
【讨论】：