如何让KMeans聚类标签按质心对应max_vals升序排列？

我有一个应用于浮点型列表的简单KMeans聚类算法，代码如下：

def clustering(k,lists_to_cluster):
    max_vals = [max(sublist) for sublist in lists_to_cluster]
    kmeans_ampl = KMeans(k, random_state=123).fit(np.array(max_vals).reshape(-1,1))
    centroids_ampl = kmeans_ampl.labels_ 
    return centroids_ampl

centroids_labels = clustering(3,lists_to_cluster)

当前centroids_labels返回结果为[0,0,1,2,2,0]，但拥有最大max_vals的列表被标记为0。我希望聚类标签按max_vals升序分配：标签0对应max_vals最小的列表，标签k-1对应max_vals最大的列表。请问能否在执行KMeans之前/过程中实现该需求，还是只能在聚类完成后通过排序映射来调整？

解决方案 #

KMeans算法本身的聚类标签是随机分配的，无法在执行前或聚类过程中直接指定标签与max_vals大小的对应关系，必须在聚类完成后通过排序映射来调整标签顺序。

具体实现步骤：

• 获取每个聚类的中心值（对应max_vals的聚类中心）
• 对聚类中心按升序排序，建立原标签到新标签的映射关系
• 使用映射关系替换原标签，得到符合要求的标签序列

修改后的代码示例：

from sklearn.cluster import KMeans
import numpy as np

def clustering(k, lists_to_cluster):
    max_vals = [max(sublist) for sublist in lists_to_cluster]
    X = np.array(max_vals).reshape(-1, 1)
    kmeans_ampl = KMeans(k, random_state=123).fit(X)
    
    # 提取聚类中心并建立标签映射
    centroids = kmeans_ampl.cluster_centers_.flatten()
    sorted_centroid_indices = np.argsort(centroids)
    label_mapping = {old_label: new_label for new_label, old_label in enumerate(sorted_centroid_indices)}
    
    # 替换原标签
    adjusted_labels = np.array([label_mapping[label] for label in kmeans_ampl.labels_])
    return adjusted_labels

centroids_labels = clustering(3, lists_to_cluster)

调整后，新标签会严格按照max_vals聚类中心的升序分配：标签0对应整体max_vals最小的列表组，标签k-1对应整体max_vals最大的列表组。

内容的提问来源于stack exchange，提问作者Movilla