我正在尝试理解和使用谱聚类，来自sklearn。假设我们有输入矩阵X，并且我们创建了一个谱聚类对象，如下所示：

clustering = SpectralClustering(n_clusters=2,         assign_labels="discretize",         random_state=0)

然后，我们使用谱聚类对象调用fit_predict方法。

clusters =  clustering.fit_predict(X)

让我困惑的是，“使用所选的亲和性为X创建亲和矩阵”是在什么时候进行的？因为根据文档，fit_predict()方法“对X进行聚类并返回聚类标签。”但它并没有明确说明在聚类之前它也计算了“使用所选的亲和性为X创建的亲和矩阵”。

我很感激任何帮助或建议。

回答：

正如在另一个答案中已经暗示的，fit_predict只是为了返回聚类标签的便捷方法。根据文档，fit

使用所选的亲和性为X创建一个亲和矩阵，然后对这个亲和矩阵应用谱聚类。

而fit_predict

对X进行聚类并返回聚类标签。

这里，对X进行聚类应理解为fit中描述的内容，即创建亲和矩阵[…]。

不难验证，调用fit_predict等同于在fit之后从对象中获取labels_属性；使用一些虚拟数据，我们有

from sklearn.cluster import SpectralClusteringimport numpy as npX = np.array([[1, 2], [1, 4], [10, 0],               [10, 2], [10, 4], [1, 0]])# 第一种方式 - 使用fit并获取labels_clustering = SpectralClustering(n_clusters=2,     assign_labels="discretize",     random_state=0)clustering.fit(X)clustering.labels_# array([1, 1, 0, 0, 0, 1])# 第二种方式 - 使用fit_predictclustering2 = SpectralClustering(n_clusters=2,     assign_labels="discretize",     random_state=0)clustering2.fit_predict(X)# array([1, 1, 0, 0, 0, 1])np.array_equal(clustering.labels_, clustering2.fit_predict(X))# True