我知道 KMeans 算法需要特征缩放 sklearn.cluster.KMeans
我的问题是在使用 KMeans 之前是否需要手动完成，还是 KMeans 会自动执行特征缩放？如果是自动的，请告诉我它在 KMeans 算法中的指定位置，因为我无法在此处提供的文档中找到它：
https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
顺便说一句，人们说 Kmeans 自己负责特征缩放。
【问题讨论】：
标签： python python-3.x machine-learning scikit-learn deep-learning
如果您的变量具有不可比较的单位（例如，以厘米为单位的身高和以公斤为单位的体重），那么您当然应该对变量进行标准化。即使变量具有相同的单位但显示出完全不同的方差，在 K-means 之前进行标准化仍然是一个好主意。你看，K-means 聚类在空间的所有方向上都是“各向同性的”，因此往往会产生或多或少的圆形（而不是细长的）聚类。在这种情况下，让方差不相等相当于对方差较小的变量赋予更多的权重，因此集群将倾向于沿着方差较大的变量分开。
另外值得提醒的是，K-means 聚类结果可能对数据集中对象的顺序很敏感1。合理的做法是多次运行分析，随机化对象顺序；然后对这些运行的聚类中心进行平均，并将这些中心作为初始中心输入，以进行最后一次分析。
或其他多变量分析。
1 具体来说，（1）中心初始化的一些方法对case order很敏感； (2) 即使初始化方法不敏感，结果有时也可能取决于将初始中心引入程序的顺序（特别是，当数据中存在相同距离时）； (3) k-means 算法的所谓运行均值版本对案例顺序自然敏感（在此版本中 - 除了可能在线聚类之外不经常使用 - 在每个单独的案例重新分配到之后重新计算质心另一个集群）。
【讨论】：
据我所知，K-means 不会自动执行特征缩放。无论如何，它是一个简单的过程，只需要两行额外的代码。我会推荐使用StandardScaler 特征缩放。这是一个很好的example，告诉你怎么做。
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
iris = datasets.load_iris()
X = iris.data
scaler = StandardScaler()
X_std = scaler.fit_transform(X)
clt = KMeans(n_clusters=3, random_state=0, n_jobs=-1)
model = clt.fit(X_std)
【讨论】：