从sklearn KMeans的文档中
sklearn.cluster.KMeans（n_clusters = 8，init ='k-means ++'，
n_init = 10，max_iter = 300，tol = 0.0001，precompute_distances ='auto'，
详细== 0，random_state =无，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）
很明显，参数的数量不同，也许更多的参数可用于sklearn。
你们中的任何一个是否尝试过另一个，并且您是否倾向于在分类问题中使用其中一个？
最佳答案
基准测试。
而且您再也不会碰到肮脏的东西了。
关于python - 与SciPy kmeans相比，使用sklearn KMeans有优势吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/37210795/