使用KElbowVisualizer时遇AttributeError: 'KMeans'无'k'属性问题求助

问题背景 #

我找到过完全相似的问题，但给出的解决方案无效，且有其他用户指出原答案存在错误，原提问者未回应疑问，因此再次求助。需求是用yellowbrick的KElbowVisualizer结合轮廓系数（silhouette），为scikit-learn的KMeans算法寻找最优聚类数。

已尝试方案 #

• 将参数k改为n_cluster或n_clusters，错误信息无变化，问题未解决；
• 将elbow_method函数结果存入变量（参考相似问题答案），无效。

测试数据 #

import numpy as np
data = np.array([[146162.56679954],
       [137227.54181954],
       [126450.29169228],
       [119435.56512675],
       [114988.18682806],
       [111546.74599395],
       [111521.9739634 ],
       [110335.78734103],
       [105098.20650161],
       [ 99178.48409528],
       [ 93982.20860075],
       [ 91453.21097512],
       [ 94160.32926255],
       [102299.29173218],
       [114540.38664748],
       [122133.18759654],
       [121756.94400854],
       [118709.47518003],
       [119216.20443483],
       [122172.5736574 ],
       [122433.8120907 ],
       [120599.22092939],
       [118789.73304299],
       [119107.28063106],
       [123920.58809778],
       [128772.96569855],
       [131502.10371984],
       [129525.67885428],
       [123411.68604418],
       [120263.05106831],
       [114844.47942828],
       [108214.07115472],
       [101822.69619871],
       [ 94871.33385049],
       [ 91251.9375137 ],
       [ 90058.80745747],
       [ 93606.20700239],
       [101044.76675943],
       [109125.2713446 ],
       [112272.386321  ],
       [104429.87179175],
       [ 90827.50408907],
       [ 80805.43033707],
       [ 76165.48417937],
       [ 75002.04576279],
       [ 75428.52404817],
       [ 77444.72355588],
       [ 80389.43621805],
       [ 83401.15424418],
       [ 87638.20462011]])

聚类数寻找代码 #

from sklearn.cluster import KMeans
from yellowbrick.cluster import KElbowVisualizer

# 将结果存入变量visualizer（参考相似问题答案）
visualizer = KElbowVisualizer(KMeans(), k=11, metric='silhouette', timings= True)
visualizer.fit(data)

报错信息与异常现象 #

运行后抛出错误：

AttributeError: 'KMeans' object has no attribute 'k'

同时出现两个异常现象：

• 意外生成未请求的图表；
• 设置timings=True后无计时信息显示。

环境信息 #

• yellowbrick版本：1.4
• scikit-learn版本：1.1.1
• 运行环境：VSCode、Jupyter Notebook（Anaconda），两处结果一致。

解决方案 #

问题根源在于yellowbrick 1.4与scikit-learn 1.1.1的兼容性，以及参数传递格式错误。修改后的代码如下：

from sklearn.cluster import KMeans
from yellowbrick.cluster import KElbowVisualizer

# 指定聚类数范围为2到10（左闭右开，k=(2,11)表示测试2-10）
visualizer = KElbowVisualizer(
    KMeans(random_state=42),  # 添加随机种子保证结果可复现
    k=(2, 11),  # 必须传递范围而非单个数值
    metric='silhouette',
    timings=True
)
visualizer.fit(data)
visualizer.show()  # 显式调用控制图表显示

关键修改说明 #

1. k=(2,11)：KElbowVisualizer要求k参数为范围（元组），单个数值会触发内部逻辑错误，尝试访问KMeans不存在的k属性。此处表示测试聚类数从2到10。
2. random_state=42：给KMeans添加随机种子，确保每次运行结果一致，便于调试。
3. visualizer.show()：显式调用显示图表，避免自动生成未预期的图表，同时timings=True的计时信息会在图表下方正常显示。

如果计时信息仍不显示，建议升级yellowbrick到最新版本（如1.5+），新版本修复了旧版本的兼容性bug，对scikit-learn的支持更完善。

内容的提问来源于stack exchange，提问作者Shayan