Python 如何在k-means中记录每次迭代的质心？

通过使用“kmeans.cluster\u centers”，我可以得到每个集群的最终质心，但如果我想跟踪所有迭代中的所有质心并将结果存储到列表中，该怎么办。

Scikit learn不提供中间结果，也无法通过标准API实现这一点。 获取它们的一种黑客方法是使用以下内容：

k_平均值=k平均值（最大值=1）
对于范围（300）内的i：
k_表示拟合（X）
中间_中心=k_意味着集群_中心_
k_平均值=KMeans（最大iter=1，初始=中间中心）

---

这不是一种快速的方法，我不建议在生产环境中运行它。

Scikit learn不会为您提供中间结果，也无法通过标准API实现这一点。 获取它们的一种黑客方法是使用以下内容：

k_平均值=k平均值（最大值=1）
对于范围（300）内的i：
k_表示拟合（X）
中间_中心=k_意味着集群_中心_
k_平均值=KMeans（最大iter=1，初始=中间中心）

---

这不是一种快速的方法，我不建议在生产环境中运行它。

另一种方法是使用

sklearn.cluster.MiniBatchKMeans

和

partial_-fit

方法，其中X一次是一个样本。它可以避免重新创建

KMeans

an实例来初始化质心。另一种方法是使用

sklearn.cluster.MiniBatchKMeans

和

partial_-fit

方法，其中X一次是一个样本。这样可以避免重新创建

KMeans

an的实例来初始化质心。