当两两距离已知（但x和y不知道）时，使用kmeans查找质心和惯性

Question

如果我重复发帖，我深表歉意，但我没有发现任何与我的问题足够相似的现有查询对我有意义（这很可能是因为没有使用正确的搜索词）

我有一个点的对称方阵，它不是由x和y坐标定义的，而是由它们彼此的接近度定义的，它位于0到1的间隔上（其中每个点与自身的接近度为1，点之间的距离可以简单地定义为1-接近度）。从技术上讲，我有221个矩阵，但我正在寻找一个过程来分别应用于每一个矩阵

我想将每个矩阵定义为一组点，找到它的质心，然后找到它的惯性，以及每个点到质心的距离。有人建议我使用k-means聚类，因此我寻找使用sklearn kmeans进行聚类的说明，但它们似乎都需要一个以x和y变量为起点的点数组，然而，我没有这些，我想跳过计算欧几里德距离的第一步，而是使用我现有的接近度/距离度量

其中一个矩阵的子集如下所示：

np.array([[1, 0.3, 0.2, 0.25], [0.3, 1, 0.3, 0.2], [0.2, 0.3, 1, 0.12], [0.25, 0.2, 0.12, 1]])

如果有任何建议和/或指向我可能错过的合适教程，我将不胜感激