sklearn.cluster.kmeans类中的距离定义函数和质心计算函数的原始代码

以下是`sklearn.cluster.KMeans`类中的距离定义函数和质心计算函数的原始代码示例：

距离定义函数`_distance_func`：

def _distance_func(self, X, Y):
    """
    Compute the L2 distance between X and Y
    """
    return np.sqrt(((X - Y) ** 2).sum(axis=1))

在这个函数中，给定两个点集X和Y，函数计算它们之间的欧几里得距离（L2距离）。它通过计算两个点集的差的平方和来实现，然后把结果开方，得到它们之间的距离。

质心计算函数`_update_centroids`：

def _update_centroids(self, X, labels):
    """
    Update the centroids for each cluster
    """
    centroids = []
    for k in range(self.n_clusters):
        Xk = X[labels == k]
        centroid_k = Xk.mean(axis=0)
        centroids.append(centroid_k)
    self.cluster_centers_ = np.array(centroids)

在这个函数中，给定一个数据集X和该数据集的聚类标签labels，函数将用于计算每个簇的中心点，即聚类中心。对于每个簇，它会找到该簇中的所有数据点Xk，并计算它们的平均值以获得中心点（centroid）的坐标。最后，函数更新聚类中心，并将其存储在`cluster_centers_`属性中。