几种不同情况的K聚类

最近在跟着sklearn文档学习sklearn库的用法，把自己学习中遇到的问题和做的练习记录在这里。

 

 

class sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=None, algorithm='auto')

参数解析：

n_clusters：整数，默认为8。要聚成几类。

 

init：初始方法，可选三种情况：{‘k-means++’, ‘random’} or ndarray of shape (n_clusters, n_features), 默认为’k-means++’，

 

‘k-means++’ : 用一种智能的可加快聚合速度的方法选择初始质心。

 

‘random’: 随机选择K个观察值作为质心。

ndarray of shape (n_clusters, n_features)：给定初始质心。

 

n_init：整数，默