能否获取KMeans聚类中样本归属特定簇的不等式规则？

可以推导这类不等式规则，但KMeans本身没有原生提供规则输出功能——因为它的核心逻辑是基于样本到质心的距离分配簇，我们可以把这个距离条件展开成不等式组。

核心原理 #

KMeans中，一个样本属于簇i的充要条件是：该样本到簇i质心的距离，严格小于到其他所有簇质心的距离。
如果用欧氏距离（KMeans默认距离），把这个条件展开后会得到一组线性不等式（平方项会相互抵消）：
假设目标簇质心为C_i = (c_i1, c_i2, ..., c_id)，其他簇质心为C_j = (c_j1, c_j2, ..., c_jd)，样本为X = (x1, x2, ..., xd)，则：

||X - C_i||² < ||X - C_j||²
展开化简后得到：
2*(c_j1 - c_i1)x1 + 2*(c_j2 - c_i2)x2 + ... + 2*(c_jd - c_id)xd < (c_j1² + c_j2² + ... + c_jd²) - (c_i1² + c_i2² + ... + c_id²)

对每个其他簇j都生成这样的不等式，组合起来就是判断样本属于簇i的规则。

sklearn下的实现步骤 #

1. 训练KMeans模型并获取质心 #

先完成模型训练，通过cluster_centers_属性拿到所有簇的质心：

from sklearn.cluster import KMeans
import numpy as np

# 示例数据
X = np.random.rand(100, 3)  # 3维数据
kmeans = KMeans(n_clusters=3, random_state=42).fit(X)
centers = kmeans.cluster_centers_

2. 生成目标簇的不等式规则 #

写一个函数，输入训练好的模型和目标簇索引，输出对应的不等式系数与阈值：

def get_cluster_rules(kmeans_model, target_cluster_idx):
    centers = kmeans_model.cluster_centers_
    target_center = centers[target_cluster_idx]
    rules = []
    for idx, center in enumerate(centers):
        if idx == target_cluster_idx:
            continue
        # 计算不等式系数和阈值
        coeff = 2 * (center - target_center)
        threshold = np.sum(center ** 2) - np.sum(target_center ** 2)
        rules.append((coeff, threshold))
    return rules

3. 使用规则判断样本 #

再写一个判断函数，验证样本是否满足所有不等式：

def is_in_cluster(sample, rules):
    sample = np.array(sample)
    for coeff, threshold in rules:
        # 不满足任意一个不等式就不属于目标簇
        if np.dot(coeff, sample) >= threshold:
            return False
    return True

测试示例 #

# 取一个已知属于簇0的样本
test_sample = X[kmeans.labels_ == 0][0]
# 获取簇0的规则
cluster_0_rules = get_cluster_rules(kmeans, 0)
# 判断
print(is_in_cluster(test_sample, cluster_0_rules))  # 输出True

注意事项 #

• 只有欧氏距离下，规则是线性不等式；如果使用曼哈顿距离等其他度量，规则形式会不同，甚至是非线性的。
• 高维数据下，生成的不等式组会非常冗长，可读性差，此时直接用模型的predict方法会更高效。
• 对于恰好落在簇边界（到两个质心距离相等）的样本，规则会返回False，而KMeans会随机分配簇标签（这种情况在实际数据中极少出现）。

内容的提问来源于stack exchange，提问作者Mangostino