clusters=6 -c-means-设置初始聚类数量，但仅生成4个聚类标签

Question

我使用fuzzy-c-means集群实现，我希望数据X形成我在算法中定义的集群数量(我相信这就是它的工作方式)。但这种行为令人困惑。

cm = FCM(n_clusters=6)
cm.fit(X)

此代码生成一个带有4个标签的图- 0,2,4,6

cm = FCM(n_clusters=4)
cm.fit(X)

此代码生成一个带有4个标签的图- 0,1,2,3

当我初始化簇号时，我期望标签0,1,2,3,4,5为6。

代码：

from fcmeans import FCM
from matplotlib import pyplot as plt
from seaborn import scatterplot as scatter

# fit the fuzzy-c-means
fcm = FCM(n_clusters=6)
fcm.fit(X)

# outputs
fcm_centers = fcm.centers
fcm_labels  = fcm.u.argmax(axis=1)

# plot result
%matplotlib inline
f, axes = plt.subplots(1, 2, figsize=(11,5))
scatter(X[:,0], X[:,1], ax=axes[0])
scatter(X[:,0], X[:,1], ax=axes[1], hue=fcm_labels)
scatter(fcm_centers[:,0], fcm_centers[:,1], ax=axes[1],marker="s",s=200)
plt.show()

Answer 1

模糊c-均值算法是一种模糊聚类算法。

标签只是模糊赋值的近似值。

最有可能的情况是，两个集群非常弱，因此永远不会赢得用于生成标签的argmax操作。这并不意味着这些聚类没有被使用，你只是没有使用完整的模糊结果。

Answer 2

我读到过它，看起来一旦算法达到拐点(它可以对数据执行的最大聚类数)，它就不会创建比这个更多的东西。因此，在我的问题中，4是algo对给定数据集执行的最大聚类数。