【sklearn机器学习】聚类算法K-Means

基本原理：

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’)

• n_clusters：生成的聚类数，即产生的质心数。

• init：有三个可选值：’k-means++’， ‘random’，或者传递一个ndarray向量。此参数指定初始化方法，默认值为 ‘k-means++’

  • ‘k-means++’ 用一种特殊的方法选定初始质心从而能加速迭代过程的收敛（即上文中的k-means++介绍）
  • random’ 随机从训练数据中选取初始质心。
  • 如果传递的是一个ndarray，则应该形如 (n_clusters, n_features) 并给出初始质心。

• n_init：k均值算法将在不同质心种子下运行的次数。就惯性而言，最终结果将是n_init个连续运行的最佳输出。

• max_iter：单次运行的k均值算法的最大迭代次数。

• tol：默认= 1e-4，关于Frobenius范数的相对容差，该范数表示两个连续迭代的聚类中心的差异，以声明收敛。

• precompute_distances：三个可选值，‘auto’，True 或者 False

  • ‘auto’：如果 样本数乘以聚类数大于 12million 的话则不预计算距离。
  • True：总是预先计算距离。
  • False：永远不预先计算距离。

• verbose：详细模式。

• random_state：用于初始化质心的生成器。如果值为一个整数，则确定一个seed。

• copy_x：当我们precomputing distances时，将数据中心化会得到更准确的结果。如果把此参数值设为True，则原始数据不会被改变。如果是False，则会直接在原始数据

• n_jobs：若值为 -1，则用所有的CPU进行运算。

• algorithm：{“ auto”，“ full”，“ elkan”}，默认=“ auto”

属性：

• cluster_centers_：向量，[n_clusters, n_features] (聚类中心的坐标)
• Labels_: 每个点的分类
• inertia_：每个点到其簇的质心的距离之和。
• n_iter_：运行的迭代次数。

Methods：

• fit(X[,y]):
  　计算k-means聚类。
• fit_predictt(X[,y]):
  　计算簇质心并给每个样本预测类别。
• fit_transform(X[,y])：
  计算簇并 transform X to cluster-distance space。
• get_params([deep])：
  　取得估计器的参数。
• predict(X):predict(X)
  　给每个样本估计最接近的簇。
• score(X[,y]):
  　计算聚类误差
• set_params(**params):
  　为这个估计器手动设定参数。
• transform(X[,y]): 将X转换为群集距离空间。
  　在新空间中，每个维度都是到集群中心的距离。 请注意，即使X是稀疏的，转换返回的数组通常也是密集的。