如何在KMeans/GMM中手动设置聚类中心并输出预测概率而非类别？

核心实现逻辑 #

完全绕开模型的参数迭代流程，手动预设所有簇的分布参数，直接基于固定参数计算样本属于各簇的后验概率，不需要依赖EM算法的自动参数更新，可完全复现KMeans阶段手动固定中心的可控效果。

具体实现路径 #

1. 基于GMM接口的固定参数实现 #

不管是早期scikit-learn 0.16版本的GMM接口，还是新版的GaussianMixture类，都支持直接手动赋值所有模型参数、跳过拟合流程计算概率，早期scikit-learn 0.16版本的GMM接口实现逻辑与新版完全一致，可套用相同的手动赋值方法，不需要额外适配：

• 提前定义和你预设簇中心对齐的所有固定参数：每个簇的权重、均值（直接用你给KMeans设置的初始质心即可）、协方差矩阵
• 手动将参数赋值给GMM实例的对应属性，补充GMM计算概率依赖的预计算矩阵、拟合完成标记，不需要调用fit()方法做参数更新
• 直接调用predict_proba()接口即可输出样本属于各簇的后验概率
• 参考可运行的代码片段：

from sklearn.mixture import GaussianMixture
import numpy as np

# 预设固定参数（与KMeans手动设置的初始质心完全对齐）
n_clusters = 3
fixed_centers = np.array([[0,0], [5,5], [10,10]])
fixed_cov = np.tile(np.eye(2), (n_clusters, 1, 1))  # 可根据需求调整协方差取值
fixed_weights = np.ones(n_clusters)/n_clusters      # 可根据需求调整各簇权重

# 初始化GMM实例，跳过拟合流程
gmm = GaussianMixture(n_components=n_clusters, covariance_type='full')
gmm.weights_ = fixed_weights
gmm.means_ = fixed_centers
gmm.covariances_ = fixed_cov
# 预计算GMM概率计算依赖的精度矩阵
gmm.precisions_cholesky_ = np.linalg.cholesky(np.linalg.inv(fixed_cov))
gmm.converged_ = True  # 跳过内部的拟合状态校验
gmm.n_iter_ = 0

# 输入样本直接计算聚类概率
cluster_prob = gmm.predict_proba(your_sample_dataset)

2. 轻量软聚类实现（无GMM依赖） #

如果不需要严格匹配高斯分布的概率计算逻辑，可直接基于固定的KMeans簇中心计算软分配概率，全程无模型迭代，参数完全可控：

• 计算每个样本到各个固定簇中心的欧氏距离
• 用手动固定带宽的高斯核将距离转换为相似度值：similarity = np.exp(-(distance**2)/(2*sigma**2))
• 对每个样本的所有簇相似度做行归一化，输出的结果就是样本属于各簇的软概率，计算逻辑更透明，更容易调整概率的区分度。

注意事项 #

• 不要试图照搬KMeans的“设初始中心+单轮迭代固定结果”逻辑到GMM上：EM算法的单轮流程会自动根据当前输入样本更新所有簇的权重、均值、协方差参数，无法靠这种方式得到完全匹配预设值的结果
• 所有固定参数的取值不需要严格匹配样本的真实分布特征，只要符合你对簇的业务定义即可，输出的概率仅用于辅助数据解读，不需要追求统计意义上的模型最优。

内容的提问来源于stack exchange，提问作者Al777