python - scikit-learn 中的 SpectralClustering 与 Spectral_clustering

Question

我注意到 sklearn.cluster 库中有两个不同的光谱聚类函数：SpectralClustering和spectral_clustering。尽管它们在某些细节上有所不同，但都进行了谱聚类，并且它们的大多数参数重叠。我很困惑为什么sklearn中有两种方法如此相似？

我注意到的一些差异：

• 在 SpectralClustering 中，参数affinity接受字符串和数组；它的默认值为'rbf'; 在spectral_clustering中它只能是一个矩阵

• SpectralClustering() 像构造函数一样工作。它不返回任何内容，但有两个属性affinity_matrix_（您可以在调用 .fit() 后访问）和labels_. Spectrum_clustering 是一种只返回标签的方法。

使用光谱聚类：

cluster=SpectralClustering().fit(X)
cluster.labels_

使用spectral_clustering：

labels=spectral_clustering(affinity_matrix)

尽管存在这些明显的差异，但我想知道这两种方法是否在基本方面有所不同。否则为什么有两种方法可以完成基本相同的事情？

标签： pythonscikit-learncluster-analysis

Answer 1

你检查源代码了吗？

我希望这SpectralClustering是命令式方法的面向对象的包装器spectral_clustering。