Python K-表示定义tf idf矩阵的初始中心

我使用k-means对文章进行聚类，它工作得非常好。现在我想定义初始中心以获得更合理的结果

我的Python代码：

tfidf_matrix = tfidf_vectorizer.fit_transform(articles)
X = np.array([[-19.67480000,  -8.546],
            [22.010807000,-10.9737],
            [11.959700000,19.2701],
            [12.254700000, 11.2381],
            [16.649700000,-15.2251],
            [19.859700000, 13.2601]] , np.float64)
km = KMeans(n_clusters=6,init=X, n_init=1).fit(tfidf_matrix)

当我试图定义初始质心时，会出现以下错误：

ValueError: The number of features of the initial centers 2 does not match the number of features of the data 4602.

---

从这个错误中我得到了尺寸不相等的想法。如何变换初始中心以满足稀疏矩阵的维数？

质心中的特征数应与数据中的特征数相同

您的输入数据（tfidf_矩阵）为（11118262），即1111个样本，具有8262个特征。

---

然后，你的6个质心也应该有8262个特征。X的形状应为（68262）。

tfidf_矩阵的形状是什么？每次运行时都会发生变化。但是你可以根据最后一个例子来帮助我，那就是：（11118262）好的，但我的问题是如何变换X？