如何使用scikit-learn获得每个k-均值聚类的惯性值？

Question

我使用scikit学习聚类（k均值）。当我使用verbose选项运行代码时，它会为每次迭代打印出惯性。

一旦算法结束，我想获得每个形成的聚类的惯性（k惯性值）。我怎样才能做到这一点？

Answer 1

从http://scikit-learn.org/stable/modules/clustering.html#k-means K-means算法的目标是选择最小化惯性或质心平方和平方标准的质心。

因此，kmeans每次迭代只有一个惯性值。你是否想要获得k个质心值？

from sklearn import datasets 
from sklearn.cluster import KMeans 
iris = datasets.load_iris() 
X = iris.data 
Y = iris.target 

kmeans = KMeans(n_clusters=3, random_state=0,verbose=0).fit(X) 
print(kmeans.inertia_) 
print(kmeans.cluster_centers_) #Each row is one centroid, so 3 clusters and 3 centroids