python 网格聚类_scikit-learn中聚类超参数评价的网格搜索

好吧，这可能是一个老问题，但我使用这种代码：

首先，我们要生成所有可能的参数组合：def make_generator(parameters):

if not parameters:

yield dict()

else:

key_to_iterate = list(parameters.keys())[0]

next_round_parameters = {p : parameters[p]

for p in parameters if p != key_to_iterate}

for val in parameters[key_to_iterate]:

for pars in make_generator(next_round_parameters):

temp_res = pars

temp_res[key_to_iterate] = val

yield temp_res

然后创建一个循环：# add fix parameters - here - it's just a random one

fixed_params = {"max_iter":300 }

param_grid = {"n_clusters": range(2, 11)}

for params in make_generator(param_grid):

params.update(fixed_params)

ca = KMeans( **params )

ca.fit(_data)

labels = ca.labels_

# Estimate your clustering labels and

# make decision to save or discard it!

当然，它可以组合成一个漂亮的函数。所以这个解决方案主要是一个例子。

希望它能帮助别人！