如何在“上运行predict（）”；“预计算”；python中用于集群的数据

我有自己的预计算数据，用于在python中运行AP或Kmeans。但是，当我运行predict（）时，我想对数据运行train（）和test（），以查看集群对类或集群是否具有良好的准确性，Python告诉我predict（）不适用于“预计算”数据

---

有没有其他方法可以在python中对集群数据运行训练/测试

大多数聚类算法，包括AP，都没有定义好的方法来“预测”新数据。K-means是为数不多的几个简单到允许“预测”与初始聚类一致的情况之一

现在，sklearn有一个奇怪之处，就是试图将所有内容压缩到一个受监督的API中。聚类算法有一个

fit（X，y）

方法，但忽略

y

，并且应该有一个

predict

方法，即使算法没有这样的能力

对于亲和传播，有人在某个时候决定添加一个基于k-means的

predict

：它总是预测最近的中心。仅可使用坐标数据计算平均值，因此该方法在公制=预计算时失败。 如果要复制此行为，请计算到所有群集中心的距离，然后选择argmin，仅此而已。使用“预计算”指标，您无法轻松地将其融入sklearn API。您可以要求用户将距离向量传递给预计算度量的所有“训练”示例，但只需要其中的几个

在我看来，我宁愿完全取消这种方法：

我所知道的并不是关于亲和力传播的公开研究

亲和传播基于相似性（“亲和性”）的概念，而不是距离或方式

此

predict

将不会返回与AP标记的点相同的结果，因为AP使用“传播的责任”而不是最近的“中心”标记点。（当前sklearn实现可能正在丢失此信息…）

无论如何，聚类方法没有一致的

predict

——这不是必须的

如果要进行这种预测，只需将聚类中心传递给最近邻分类器即可。这就是这里重新实现的，一个隐藏的NN分类器。因此，如果将预测作为第二步（分类），您将获得更大的灵活性

请注意，进行任何测试序列拆分并不常见，因为您无论如何都不使用标签，并且只使用无监督的评估方法（如果有，因为这些方法有自己的一系列问题），如果有-您无法可靠地在此处进行“超参数优化”，但必须根据经验和人类查看数据来选择参数