使用sklearn KMeans和SciPy kmeans有什么好處？

Question

來自sklearn KMeans的文檔

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）

和SciPy kmeans

scipy.cluster.vq.kmeans（obs，k_or_guess，iter = 20，thresh = 1e-05，check_finite = True）

很明顯，參數的數量不同，也許更多的參數可供sklearn使用。

你們中的任何人都試過一個而不是另一個，你是否願意在分類問題中使用其中一個？

Answer 1

基准 。

你永遠不會再觸摸scipy了。