使用 sklearn.cluster.SpectralClustering 查找簇质心或“.means_”

Question

我有一个未标记的数据集，我正在尝试使用各种聚类算法对其进行聚类。

我成功地使用 .means_ 在 sklearn.mixture.GaussianMixture 中找到质心/“每个混合成分的平均值”。然后，在我的代码中，我将选取最接近于在每个集群中获得代表性样本的方法。

我想用 SpectralClustering 做同样的事情，但我没有看到“.means_”方法或某种方法来获取每个集群的质心。这可能是由于我对光谱聚类的工作原理有误解，或者只是这个库中缺少功能。

作为一个例子，我想做：

sc = SpectralClustering(n_components=10, n_init=100)
sc.fit(data)

closest, _ = pairwise_distances_argmin_min(sc.means_, data)

当然，SpectralClustering 没有 .means_ 方法。

感谢您对此的任何帮助。

Answer 1

光谱聚类（或任何其他聚类算法）是否使用聚类中心并不重要！

您可以计算任何集群的质心！它是该集群中元素的均值（嗯，实际上存在一个约束，数据集本身允许均值的概念）。

因此，使用光谱聚类计算聚类。对于每个集群，计算其中元素的平均值（即，由 m 个 n 维元素组成的集群的每个维度上的平均值）。

Answer 2

质心用于 KMean 算法。对于光谱聚类，该算法仅存储亲和矩阵和从算法中获得的标签。