如何在MiniBatchKMeans中使用预定义聚类中心保证结果稳定？

问题出在你可能还是让MiniBatchKMeans执行了训练过程（哪怕是无意的），或者没完全阻止它更新聚类中心。MiniBatchKMeans的init参数只是指定初始点，但它的核心逻辑就是通过分批数据迭代更新中心——哪怕你用了固定初始点，后续的mini-batch迭代还是会改变中心，这就是结果依然变化的原因。而你手动赋值cluster_centers_后，如果又调用了fit()或者partial_fit()，模型又会重新训练覆盖掉你设置的中心。

正确的做法：直接用保存的中心做预测，跳过训练 #

你不需要让MiniBatchKMeans再执行任何训练步骤，只需要把保存的中心赋值给模型实例，然后直接调用predict()即可。具体步骤如下：

1. 加载保存的聚类中心：

import numpy as np
from sklearn.cluster import MiniBatchKMeans

# 加载预存的聚类中心
saved_centers = np.load('cluster_centers.npy')
# 获取聚类数量（和预存中心的数量一致）
n_clusters = saved_centers.shape[0]

2. 创建MiniBatchKMeans实例，绝对不要调用fit/partial_fit，直接赋值聚类中心：

# 初始化模型，n_clusters必须和预存中心数量匹配
kmeans = MiniBatchKMeans(n_clusters=n_clusters, n_init=1)
# 直接替换为预训练好的聚类中心
kmeans.cluster_centers_ = saved_centers

3. 现在可以直接用这个实例做预测了：

# 假设X是你的待预测特征向量
predictions = kmeans.predict(X)

这样预测结果就会完全基于你保存的中心，不会再变化——因为模型没有执行任何训练迭代，只是用预定义的中心计算样本到每个中心的距离，分配最近的类别。

为什么之前的尝试失败？ #

• 用init参数传入中心+n_init=1：MiniBatchKMeans依然会执行完整的mini-batch训练流程，不断更新中心，最终中心会偏离你传入的初始值。
• 手动赋值cluster_centers_后调用了fit()：模型会重新开始训练，直接覆盖你设置的预存中心。

手动实现predict的备选方案（不推荐，但可参考） #

如果你想手动实现预测逻辑，本质就是计算每个样本到每个中心的欧氏距离，取距离最小的类别：

def manual_predict(X, centers):
    # 计算每个样本到所有中心的欧氏距离
    distances = np.sqrt(((X - centers[:, np.newaxis])**2).sum(axis=2))
    # 返回每个样本距离最近的中心索引（即类别）
    return np.argmin(distances, axis=0)

# 使用示例
predictions = manual_predict(X, saved_centers)

不过更推荐用sklearn自带的predict()，它能保证和原模型的逻辑完全一致，也更简洁。

内容的提问来源于stack exchange，提问作者Grman Rodriguez