scikit learn中的聚類慣性公式

我想使用 pandas 和 scikit learn 在 python 中編寫一個 kmeans 聚類。為了選擇好的 k，我想對 Tibshirani 和 al 2001 ( pdf ) 的 Gap Statistic 進行編碼。

我想知道我是否可以使用scikit 的慣性結果並調整間隙統計公式，而無需重新編碼所有距離計算。

有誰知道 scikit 中使用的慣性公式/知道使用高級距離函數重新編碼間隙統計的簡單方法？

我想我找到了 kmeans 聚類的答案：

通過查看 git 源代碼，我發現對於 scikit learn，慣性計算為每個點到其最近的質心（即其分配的集群）的距離平方和。所以在哪裡是分配集群的質心，並且是平方距離。

現在差距統計的公式涉及

在哪裡是簇中所有點之間的平方距離之和. 通過介紹,在平方距離公式中（是集群的質心坐標），我有一個對應於慣性的術語（如在 scikit 中）+一個術語，如果每個是每個簇的重心（應該是 kmeans）。所以我猜實際上是 scikit Inertia。

我還有兩個問題：

1. 你認為我的微積分是正確的嗎？（例如，我不知道它是否適用於層次聚類。）
2. 如果我在上面是正確的，我已經編碼了差距統計（作為估計和聚類之間的對數慣性的差異）並且它表現得很糟糕，特別是在 iris 數據集上，有人試過嗎？

引用自：https://stats.stackexchange.com/questions/78313