Python 消息不适合sklearn k-means收敛实现

为了重新使用scikit learn KMeans中实现的k-means收敛标准，我需要理解基于tensorflow的k-means实现，但我希望解释以下观察结果：

KMeans与以下消息会合：

迭代45，惯性6.993125中心偏移2.610457e-03 公差8.374284e-06

（第442ff行，功能_kmeans_single_lloyd）中的实现如下：

center\u shift\u total=squared\u norm（中心旧-中心）
如果我找到了中心移位总量。转到文件：
\u k\u表示_elkan.pyx
第243行（在0.23.1中）。在主分支中，它将是第245行

        if verbose:
            print('Iteration %i, inertia %s'
                    % (iteration, np.sum((X_ - centers_[labels]) ** 2 *
                                         sample_weight[:,np.newaxis])))
        center_shift_total = np.sum(center_shift)
        if center_shift_total ** 2 < tol:
            if verbose:
                print("center shift %e within tolerance %e"
                      % (center_shift_total, tol))
            break

如果冗长：
打印（'迭代%i，惯性%s'
%（迭代，np.sum（（X_uu-中心u[labels]）**2*
样本（重量[：，np.newaxis]））
中心移位总=np.和（中心移位）
如果中心移位总数**2

它似乎在检查
中心偏移量\u总数的平方。而在
k_内部，则表示uu.py
正在检查
中心移位u总计
。
您可以使用以下命令告诉我们sklearn的版本：
打印（sklearn.\uu version uu）
。当然，在Ubuntu18.04 LTSExcellent上可以找到sklearn 0.21.3和python 3.7.4！通过指定algorithm=“full”我现在确实得到了预期的结果。elkan方法中的平方是一个错误，因为elkan应该提供与“完全”相同的结果，只是由于使用了三角形不等式而减少了一些计算。我发现了这个相关的（封闭的）问题：您是否能够制定PR（删除“**2”）？不幸的是，它似乎更复杂：我在scikit learn的一个分支中删除了“**2”，但仍然为algorithm=“full”和algorithm=“elkan”获得了不同的惯性值和n_iter_uuu值分别。@Barden是的，我看了一下，但我不确定它到底是如何工作的，我想我不会对它提出拉取请求。我创建了（包括复制示例）