无法实现Sklearn KMeans单聚类主导？求原因与解决方法

问题原因 #

你遇到的情况是因为Sklearn的KMeans内置了空聚类处理机制：

• 当你设置的初始质心[-1000,1000]距离所有样本点极远时，第一次分配阶段所有点都会被归到[0,0]对应的聚类，导致另一个聚类无数据。
• 但KMeans的迭代过程中，一旦检测到空聚类，会自动重新初始化该聚类的质心（随机选取一个样本点作为新质心），然后继续执行质心更新和样本分配，最终两个聚类会均分数据。

解决办法 #

要实现所有点归到[0,0]对应的聚类、另一个聚类空的效果，只需限制KMeans只执行一次分配，不进入后续迭代和空聚类处理：

修改代码，添加max_iter=1和n_init=1参数：

import matplotlib.pyplot as plt
from sklearn.datasets import make_circles
from sklearn.cluster import KMeans

X, y = make_circles((200,50), noise=.05, random_state=0, factor=0.2)
# 仅执行一次分配，不进行质心更新和空聚类处理
means = KMeans(n_clusters=2, init=[[-1000,1000], [0,0]], max_iter=1, n_init=1).fit_predict(X)
plt.scatter(X[:,0], X[:,1], c=means, s=50, cmap='viridis')
plt.show()

补充说明 #

• max_iter=1：让算法只完成一次样本到质心的分配，不执行后续的质心更新迭代，避免空聚类被重新初始化。
• n_init=1：确保仅使用你指定的初始质心运行一次，跳过默认的多次初始化验证。

如果使用Sklearn 1.2及以上版本，也可以通过empty_cluster_strategy="raise"参数让算法在出现空聚类时直接报错，但这种方式无法实现“保留空聚类”的需求，仅用于检测空聚类场景。

内容的提问来源于stack exchange，提问作者Liangtao Hu