sklearn.cluster.KMeans 参数介绍

• 1 参数

• n_clusters：整形，缺省值=8 【生成的聚类数，即产生的质心（centroids）数。】

• max_iter：整形，缺省值=300 【执行一次k-means算法所进行的最大迭代数。】

• n_init：整形，缺省值=10 【用不同的质心初始化值运行算法的次数，最终解是在inertia意义下选出的最优结果。】
  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++’。
  （１）‘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）
  （２）‘random’ 随机从训练数据中选取初始质心。
  （３）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。

• precompute_distances：三个可选值，‘auto’，True 或者 False。
  预计算距离，计算速度更快但占用更多内存。
  （１）‘auto’：如果 样本数乘以聚类数大于 12million 的话则不予计算距离。This corresponds to about 100MB overhead per job using double precision.
  （２）True：总是预先计算距离。
  （３）False：永远不预先计算距离。

• tol：float形，默认值= 1e-4　与inertia结合来确定收敛条件。

• n_jobs：整形数。　指定计算所用的进程数。内部原理是同时进行n_init指定次数的计算。
  （１）若值为 -1，则用所有的CPU进行运算。若值为1，则不进行并行运算，这样的话方便调试。
  （２）若值小于-1，则用到的CPU数为(n_cpus + 1 + n_jobs)。因此如果 n_jobs值为-2，则用到的CPU数为总CPU数减1。

• random_state：整形或 numpy.RandomState 类型，可选
  用于初始化质心的生成器（generator）。如果值为一个整数，则确定一个seed。此参数默认值为numpy的随机数生成器。
  -copy_x：布尔型，默认值=True
  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上做修改并在函数返回值时将其还原。但是在计算过程中由于有对数据均值的加减运算，所以数据返回后，原始数据和计算前可能会有细小差别。

• 2 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_：float形
  每个点到其簇的质心的距离之和。

• Notes：
  　　这个k-means运用了 Lioyd’s 算法,平均计算复杂度是 O(knT)，其中n是样本量，T是迭代次数。
  　　计算复杂读在最坏的情况下为 O(n^(k+2/p))，其中n是样本量，p是特征个数。
  　　在实践中，k-means算法时非常快的，属于可实践的算法中最快的那一类。但是它的解只是由特定初始值所产生的局部解。所以为了让结果更准确真实，在实践中要用不同的初始值重复几次才可以。

• 3 Methods

• fit(X[,y]): 计算k-means聚类。

• fit_predict(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): 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。

转载：https://blog.csdn.net/github_39261590/article/details/76910689