如何使用 scikit-learn 获取每个 k-means 集群的惯性值？

【问题标题】：How to get inertia value for each k-means cluster using scikit-learn?如何使用 scikit-learn 获取每个 k-means 集群的惯性值？
【发布时间】：2017-03-11 20:07:30
【问题描述】：

我正在使用 scikit learn 进行聚类（k-means）。当我使用详细选项运行代码时，它会打印每次迭代的惯性。

一旦算法完成，我想获得每个形成的集群的惯性（k 个惯性值）。我怎样才能做到这一点？

【问题讨论】：

标签： python machine-learning scipy scikit-learn k-means

【解决方案1】：

我设法使用 fit_transform 方法获取该信息，然后他们获取每个样本与其集群之间的距离。

model = cluster.MiniBatchKMeans(n_clusters=n)
distances = model.fit_transform(trainSamples)
variance = 0
i = 0
for label in model.labels_:
    variance = variance + distances[i][label]
    i = i + 1

【讨论】：