Python 选择初始中心的k-均值

我正在尝试用选定的初始质心进行k-means聚类。 上面说 要指定初始中心，请执行以下操作：

init : {‘k-means++’, ‘random’ or an ndarray} 

如果传递了

ndarray

，则其应为形状（

n_簇

，

n_特征

），并给出初始中心

我的Python代码：

X = np.array([[-19.07480000,  -8.536],
              [22.010800000,-10.9737],
              [12.659700000,19.2601]], np.float64)
km = KMeans(n_clusters=3,init=X).fit(data)
# print km
centers = km.cluster_centers_
print centers

返回一个错误：

RuntimeWarning: Explicit initial center position passed: performing only one init in k-means instead of n_init=10
  n_jobs=self.n_jobs)

---

并返回相同的初始中心。你知道如何形成初始中心以便被接受吗？

KMeans的默认行为是使用不同的随机质心多次初始化算法（即。然后，随机初始化的数量由

n\u init=

参数（）控制：

n_init：int，默认值：10

k-means算法在不同条件下运行的时间 质心种子。最终的结果将是最好的输出

n_init

惯性方面的连续运行

如果将数组作为

init=

参数传递，则使用数组中显式指定的质心仅执行一次初始化。您将收到

运行时警告

，因为您仍在传递默认值

n_init=10

（是源代码的相关行）

忽略此警告实际上完全可以，但如果

init=

参数是数组，则可以通过传递

n_init=1

使其完全消失