使用scikit-learn.k-means库，输出每个簇中最接近的50个样本。

Question

我已经使用Python中的scikit-learn库在5000多个样本上运行了一个k-means算法。 我想要输出50个最接近聚类中心的样本。 我如何执行此任务？

- Nipun Alahakoon

Answer 1

如果km是k-means模型，那么对于数组X中的每个点，到第j个质心的距离为：

d = km.transform(X)[:, j]

这会给出一个长度为len(X)的距离数组。与质心j最接近的50个索引是：

ind = np.argsort(d)[::-1][:50]

因此，到质心最近的50个点是

X[ind]

（如果您的 NumPy 版本足够新，请使用 argpartition，因为它更快）

- Fred Foo

---

为何在 argsort 后面加上 "-1"？既然你想要最短的距离，而 argsort 默认是升序排列，那么你不应该添加这个参数吗？ - mdubez

在argsort中的“-1”是不必要的，并且会翻转顺序，正如@mdubez所指出的那样。 - optimist

Answer 2

@snarly的回答有一个错误需要更正。

在执行d = km.transform(X)[:, j]之后， d的元素是到centroid(j)的距离而不是相似度。

因此，为了给出最接近的前50个索引，您应该删除“-1”，即

ind = np.argsort(d)[::][:50]

（通常，d具有按升序排列的距离得分。）

另外，也许更简短的方法是：

ind = np.argsort(d)[::-1][:50] 可以写成

ind = np.argsort(d)[:-51:-1]。

- JUNPA

Answer 3

如果您有距离中心值的列表，可以使用排序功能。

results = [(distance_to_center, (x, y)), (distance_to_center, (x, y)), ...]
results.sort()
# get closest 50
closest_fifty = results[:50]

- monkut