具有scikit-learn的K均值算法：质心初始化时的问题

Question

[嗨，我正在尝试使用scikit-learn用k-means算法构造一个简单的示例。在我的示例中，我想使用预定义的群集质心。因此，我正在使用numpy创建np.arrays。

起初，我将点分成两个数组：

centroids = np.array([[[7, 3], [6, 5], [3, 10], [9, 8]])
X = np.array([[2, 3], [4, 9], [8, 4], [1, 1]])

在那之后，我得到了我的KMeans（我想这里可能是我的问题）：

km = KMeans(n_clusters=4, init=centroids, n_init=1).fit(X)

[我在这里定义我的k（= 4），它们在哪里（以质心表示）和init（= 1）的数量，最后将其拟合为X。

如果我现在正在使用matplotlib plt.scatter

plt.scatter(X[:, 0], X[:, 1], c='red', s=100)
plt.show()

仅在图中显示数组X的点。

Result-Figure

我的目标是使用plt.show（）显示算法的结果，在其中我可以根据它们的颜色看到X的点属于此聚类。

知道我可能在哪里错了吗？

谢谢！

Answer 1

在plt.show()之前添加此行：

plt.scatter(km.cluster_centers_[:, 0], km.cluster_centers_[:, 1])

但是目前，聚类中心位于您预先指定的点上，因为您将四个聚类放在四个点（X）上，将它们作为初始解决方案...