Python Sklearn extra:KMedoids缺失'；方法'；参数

根据，KMEDOID应具有以下参数：

n_集群

，

度量

，

方法

，

init

，

max_iter

和

随机状态

。

方法

参数确定要使用哪种算法：

alternate

或

pam

。根据sklearn_extra的研究，这些方法本质上是不同的。对于我的特定应用程序，我希望使用PAM版本的K-medoids。但是，

方法

参数似乎已消失。在KMedoids函数上运行检查时：

import inspect
from sklearn_extra.cluster import KMedoids
inspect.getargspec(KMedoids)

我得到以下输出：

ArgSpec(args=['self', 'n_clusters', 'metric', 'init', 'max_iter', 'random_state'], varargs=None, 
keywords=None, defaults=(8, 'euclidean', 'heuristic', 300, None))

---

这里也缺少

方法

参数。最后，它似乎还在那里。有人知道参数到哪里去了吗？我在互联网上找不到任何相关信息。

最新开发版本中提供了

方法

参数。因此，请卸载现有版本，并直接从github使用以下工具安装最新版本：

pip install https://github.com/scikit-learn-contrib/scikit-learn-extra/archive/master.zip

样本（如文档所示）： 输出：

array([0, 0, 0, 1, 1, 1])

---

最新的Github版本（以及相应的文档）与最新版本（当前日期为2020年3月29日）之间似乎存在差异

如果我们使用

pip

从PyPi安装

pip install scikit-learn-extra

然后用

print(inspect.getsource(KMedoids))

这实际上给出了我们机器中包的源代码，我们得到

class KMedoids(BaseEstimator, ClusterMixin, TransformerMixin):
    """k-medoids clustering.

    Read more in the :ref:`User Guide <k_medoids>`.

    Parameters
    ----------
    n_clusters : int, optional, default: 8
        The number of clusters to form as well as the number of medoids to
        generate.

    metric : string, or callable, optional, default: 'euclidean'
        What distance metric to use. See :func:metrics.pairwise_distances

    init : {'random', 'heuristic', 'k-medoids++'}, optional, default: 'heuristic'
        Specify medoid initialization method. 'random' selects n_clusters
        elements from the dataset. 'heuristic' picks the n_clusters points
        with the smallest sum distance to every other point. 'k-medoids++'
        follows an approach based on k-means++_, and in general, gives initial
        medoids which are more separated than those generated by the other methods.
        
        .. _k-means++: https://theory.stanford.edu/~sergei/papers/kMeansPP-soda.pdf

    max_iter : int, optional, default : 300
        Specify the maximum number of iterations when fitting.

    random_state : int, RandomState instance or None, optional
        Specify random state for the random number generator. Used to
        initialise medoids when init='random'.

i、 e.

方法

参数确实无处可寻

从Github安装：

pip install git+https://github.com/scikit-learn-contrib/scikit-learn-extra.git

及

确实给予

FullArgSpec(args=['self', 'n_clusters', 'metric', 'method', 'init', 'max_iter', 'random_state'], varargs=None, varkw=None, defaults=(8, 'euclidean', 'alternate', 'heuristic', 300, None), kwonlyargs=[], kwonlydefaults=None, annotations={})

有趣的是，在这两种情况下（PyPi和Github），报告的版本完全相同（

0.1.0b2

）；就软件开发良好实践而言，这里似乎出了一些问题

pip install git+https://github.com/scikit-learn-contrib/scikit-learn-extra.git

inspect.getfullargspec(KMedoids)

FullArgSpec(args=['self', 'n_clusters', 'metric', 'method', 'init', 'max_iter', 'random_state'], varargs=None, varkw=None, defaults=(8, 'euclidean', 'alternate', 'heuristic', 300, None), kwonlyargs=[], kwonlydefaults=None, annotations={})