Python:确定极具k均值聚类可能性的质心数组(scipy)

Question

我使用k-均值的for实现，需要一种方法来循环计算n次，记录每个循环的质心输出数组，并以最大似然的方式计算输出。编辑我设置为k= 4，所以每个解决方案都有4个元素。我需要确定最常见的质心数组(即4个元素集)。

我的质心数组看起来类似于：

[[ 75]
 [115]
 [163]
 [ 16]]

在手动运行代码时，由于k均值的随机属性，出现了4-6个解决方案。基本上，我希望计数n上每个数组的出现情况，并返回最有可能出现的数组。

编辑澄清，根据Jblasco对问题的解释。

每次算法运行时，它都会返回一个质心数组，就像上面的那个。运行该算法3次，我会得到如下内容：

[[ 75]  [[ 73]  [[ 75]
 [115]   [112]   [115]
 [163]   [167]   [163]
 [ 16]], [ 14]], [ 16]]

我想完成两件事：

1)循环生成这些质心的代码

2)确定最有可能(最常见、最常见)的解决办法，在这种情况下是：

[[ 75]
 [115]
 [163]
 [ 16]]

Answer 1

如果我理解正确的话，你会得到n倍的数组，这个数组看起来像你显示的那个数组，你想要计算数组中75次的次数，115次在数组中的次数等等。如果这是正确的，我会想到这样的事情：

keep_count = {}
for attempt in range(n):
    get_one_of_those_arrays  <-- sorry, no idea how the function of k-means work
    for result in array:        
        if keep_count.has_key(result):
            keep_count[result] +=1
        else:
            keep_count[result] = 1

现在，keep_count得到了每个结果数的所有正项。一种略显优雅的方式使用defaultdict：

    import collections
    keep_count = collections.defaultdict(int)  # initializes dict to int 0, no more if
    for attempt in range(n):
        get_one_of_those_arrays
        for result in array:
            keep_count[result] += 1

Answer 2

好吧，现在我明白你的意思了，让我们重新开始，好吗？对类似的问题有相似的思考方式。我承认这并不是最优雅的可能性，但我认为这是可行的，而且很直观：

keep_count = {}
for attempt in range(n):
    array = get_one_of_those_arrays  <-- sorry, no idea how the function of k-means work
    array = tuple(array.reshape(4))
    if keep_count.has_key(array):
        keep_count[array] +=1
    else:
        keep_count[result] = 1

现在我们只需要找到最大值的位置：

max_value = max(keep_count.values())
max_pos = keep_count.values().index(max_value)
most_frequent = keep_count.keys()[max_pos]