来自 sklearn KMeans 的文档
class sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=1)
scipy.cluster.vq.kmeans(obs, k_or_guess, iter=20, thresh=1e-05, check_finite=True)
很明显参数的数量有所不同,也许更多的参数可用于 sklearn。
你们中有人尝试过其中一种吗?在分类问题中您是否更倾向于使用其中一种?
最佳答案
基准。
而且你再也不会碰 scipy 了。
关于python - 与 SciPy kmeans 相比,使用 sklearn KMeans 是否有优势?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37210795/