Scikit learn 我如何在没有培训的情况下获得k-means的分数？

我正在脚本中运行

MiniBatchKMeans

，并输出我得到的集群中心。现在在另一个脚本中，我想计算这些集群中心的测试集的分数。我尝试过这样做：

mbk = MiniBatchKMeans(n_clusters=k, init=cluster_centers)
print mbk.score(X)

但我得到了这个例外

AttributeError: Model has not been trained yet.

---

如何在不训练模型的情况下获得k-means的分数？

您必须恢复clusterer的

群集\u中心属性。执行此操作的标准方法是，将其保存到磁盘（而不仅仅是打印质心），然后加载以对测试数据进行评分

在培训脚本中：

mbk = MiniBatchKMeans(n_clusters=k, ...)
mbk.fit(X)
import pickle
pickle.dump(mbk, open('/path/to/mbk.pickle', 'wb'))

import pickle
mbk = pickle.load(open('/path/to/mbk.pickle', 'rb'))
print mbk.score(X)

在测试脚本中：

mbk = MiniBatchKMeans(n_clusters=k, ...)
mbk.fit(X)
import pickle
pickle.dump(mbk, open('/path/to/mbk.pickle', 'wb'))

import pickle
mbk = pickle.load(open('/path/to/mbk.pickle', 'rb'))
print mbk.score(X)

或者，使用您当前的代码就足够了，在测试脚本中：

mbk = MiniBatchKMeans(n_clusters=k)
mbk.cluster_centers_ = cluster_centers
mbk.score(X)

但这并不能保证永远有效