如何在scikit-learn的K-Means中指定数组作为质心初始值？

scikit-learn的KMeans类完全支持传入自定义的初始质心数组，不需要局限于文档里提到的'k-means++'或'random'选项，具体操作如下：

核心操作步骤 #

1. 准备自定义质心数组：
   数组的形状必须是(n_clusters, n_features)——也就是聚类数量 × 你的特征嵌入维度。比如你要分2类，特征是128维，那数组就要是(2, 128)的结构，直接填入你已掌握的两类数据集均值即可。
2. 初始化KMeans时配置参数：
   • 将init参数设置为你的自定义质心数组
   • 必须把n_init设为1（默认n_init=10会重复随机初始化多次，会忽略你传入的自定义质心）

代码示例 #

from sklearn.cluster import KMeans
import numpy as np

# 模拟你的图像特征嵌入（1000个样本，128维特征）
embeddings = np.random.rand(1000, 128)
# 用两类样本的均值作为自定义初始质心
custom_centers = np.array([
    np.mean(embeddings[:500], axis=0),  # 第一类样本的均值
    np.mean(embeddings[500:], axis=0)   # 第二类样本的均值
])

# 初始化KMeans模型
kmeans = KMeans(
    n_clusters=2,
    init=custom_centers,
    n_init=1,  # 强制只使用一次自定义初始值
    random_state=42  # 可选，保证结果可复现
)

# 拟合特征嵌入数据
kmeans.fit(embeddings)

# 查看最终聚类中心（会和初始质心接近，迭代后可能有微调）
print(kmeans.cluster_centers_)

注意事项 #

• 自定义质心的特征维度必须和输入的特征嵌入完全匹配，否则会抛出维度不匹配的错误。
• 如果你确定自定义质心已经是稳定的聚类中心（比如已知的两类均值），可以适当减小max_iter参数（默认300），加快收敛速度。
• random_state参数可选，但设置后能保证每次运行的结果一致，方便调试。

内容的提问来源于stack exchange，提问作者Djanger