pyclusteringでSSEを求めるコードを教えてください。

前提・実現したいこと

pyclusteringを用いてsklearnにインポートされているwineデータをxmeansでクラスタリングを行いました。
そこで，クラスタリング評価の目安であるSSEを実装したいのです。

発生している問題・エラーメッセージ

sklearnに搭載されているSSEを求めるコードがpyclusteringでは，使えないと表示されてしまいます．
いくら探してもpyclusteringのコードが見つからず困っています．


--------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-40-ce7fe3f89444> in <module>
----> 1 print ('Distortion: %.2f'% xm.inertia_)

AttributeError: 'xmeans' object has no attribute 'inertia_'

該当のソースコード

python
1import time
2import pyclustering
3from pyclustering.cluster import xmeans
4import numpy as np
5import matplotlib
6import matplotlib.pyplot as plt
7from sklearn import datasets, preprocessing
8import pandas as pd
9# datasetの読み込み
10data = datasets.load_iris()
11#data = datasets.load_wine()
12#data = datasets.load_breast_cancer()
13# DataFrameに変換
14df = pd.DataFrame(data.data,columns=data.feature_names)
15print(df.head())
16
17X=df[["sepal length (cm)","petal width (cm)"]]
18#X=df[["malic_acid","ash"]]
19#X=df[["mean radius","mean texture"]] # yラベル , xラベル
20#df = pd.read_csv('C:/Users/shota/OneDrive/デスクトップ/HTRU_2.csv',header=None,usecols=[0,7])
21#X=df
22X.shape
23
24
25#%%timeit
26initializer = pyclustering.cluster.xmeans.kmeans_plusplus_initializer(data=X, amount_centers=2)
27initial_centers = initializer.initialize()
28xm = xmeans.xmeans(data=X, initial_centers=initial_centers)
29xm.process()
30clusters = xm.get_clusters()
31
32'''一次元配列flat_labelを用意'''
33flat_label = np.array([])
34'''sklearnでいうlabel_の大きさを調べる'''
35for cluster in clusters:
36     flat_label = np.append(flat_label,cluster)
37'''正規のlabelを代入するための配列を確保'''
38labels = np.zeros((1,flat_label.size))
39'''
40pyclusteringのclustersはクラスター数次元配列があり、標本の名前がクラスターに分類され配列として返す。
41一方でsklearnのlabel_は標本と同様の順番に、その標本が属するクラスターの番号を配列で返す。
42下記のコードはその変換を行っている
43'''
44for n,n_th_cluster in enumerate(clusters):
45     for img_num in n_th_cluster:
46        labels[0][img_num] = n
47
48
49'''このままのラベルだと[[a........z]]の二重括弧になる。
50それはsklearnの仕様に沿わない。[a........z]の一重括弧にする。
51'''
52
53X.labels_ = labels[0]
54
55pyclustering.utils.draw_clusters(data=X.values, clusters=clusters,)
56
57
58from sklearn.metrics import accuracy_score
59print(data.target)
60print(X.labels_)
61accuracy_score(data.target,X.labels_)
62
63
64# シルエット値の計算
65from sklearn.metrics import silhouette_samples
66result = xm.predict(X)
67silhouette_vals = silhouette_samples(X,result,metric = 'euclidean')
68silhouette_avg = np.mean(silhouette_vals)
69# ラベルのリスト
70cluster_labels = np.unique(result)
71y_ax_lower, y_ax_upper = 0, 0
72yticks = []
73for i, c in enumerate(cluster_labels):
74    c_silhouette_vals = silhouette_vals[result == c]
75    c_silhouette_vals.sort()
76    y_ax_upper += len(c_silhouette_vals)
77    color = plt.cm.jet(float(i) / 2)
78    plt.barh(range(y_ax_lower, y_ax_upper), c_silhouette_vals, height=1.0, 
79             edgecolor='none', color=color)
80
81    yticks.append((y_ax_lower + y_ax_upper) / 2.)
82    y_ax_lower += len(c_silhouette_vals)
83
84silhouette_avg = np.mean(silhouette_vals)
85plt.axvline(silhouette_avg, color="red", linestyle="--")
86    
87plt.yticks(yticks, cluster_labels + 1)
88plt.ylabel('Cluster')
89plt.xlabel('Silhouette coefficient')
90
91plt.tight_layout()
92plt.show()
93print(silhouette_avg)
94
95
96from sklearn.metrics import precision_recall_fscore_support
97precision_recall_fscore_support(data.target,X.labels_)
98
99
100from sklearn.metrics import classification_report
101print(classification_report(data.target,X.labels_))
102
103
104from sklearn.metrics import confusion_matrix
105confmat = confusion_matrix(data.target,X.labels_)
106print(confmat)
107
108
109fig,ax = plt.subplots(figsize=(2.5,2.5))
110ax.matshow(confmat,cmap=plt.cm.Blues,alpha=0.3)
111for i in range (confmat.shape[0]):
112    for j in range (confmat.shape[1]):
113        ax.text(x=j,y=i,s=confmat[i,j],va='center',ha='center')
114plt.xlabel('predicted label')
115plt.ylabel('true label')
116plt.show
117
118
119print ('Distortion: %.2f'% xm.inertia_)