Python KMeans类代码出现NameError: self未定义错误求助

错误原因 #

• self作用域违规：self是Python类实例的专属引用，只能在类的方法（如__init__、自定义方法）内部使用。你把初始化质心的代码写在了KMeans类定义的外部，属于全局作用域，这里不存在self变量，直接触发NameError。
• 变量名不一致：__init__里定义的是self.n_cluster（单数），但后续代码用的是self.n_clusters（复数），就算修复作用域问题，也会触发AttributeError。

解决方法 #

方案1：将质心初始化逻辑移入__init__方法 #

把生成质心的代码放到__init__内部，同时修正变量名：

import numpy as np
from scipy.stats import uniform  # 确保导入uniform函数

class KMeans:
    def __init__(self, n_clusters=8, max_iter=300, X_train=None):
        self.n_clusters = n_clusters  # 统一变量名为复数
        self.max_iter = max_iter
        # 质心初始化逻辑移到__init__内
        if X_train is not None:
            min_, max_ = np.min(X_train, axis=0), np.max(X_train, axis=0)
            # scipy.uniform的参数为loc（起始值）和scale（范围），需调整参数格式
            self.centroids = [uniform.rvs(min_, max_ - min_, size=min_.shape) for _ in range(self.n_clusters)]

方案2：用fit方法实现（推荐，符合机器学习库规范） #

按照常规设计，将数据相关逻辑放到fit方法中，__init__仅负责初始化超参数：

import numpy as np
from scipy.stats import uniform

class KMeans:
    def __init__(self, n_clusters=8, max_iter=300):
        self.n_clusters = n_clusters  # 修正变量名
        self.max_iter = max_iter
        self.centroids = None  # 先初始化属性占位

    def fit(self, X):
        # 生成初始质心的逻辑放到fit方法内
        min_, max_ = np.min(X, axis=0), np.max(X, axis=0)
        self.centroids = [uniform.rvs(min_, max_ - min_, size=min_.shape) for _ in range(self.n_clusters)]
        # 此处可添加后续迭代更新质心的逻辑

# 使用示例
# kmeans = KMeans(n_clusters=3)
# kmeans.fit(X_train)

这种设计更合理，训练数据X_train不属于类的超参数，应在fit阶段传入，而非__init__。

内容的提问来源于stack exchange，提问作者Fresh Grad CS