scikit-learn 中的 KMeans

语法

 

sklearn.cluster.KMeans(n_clusters=8,    # 簇的个数， 默认为 8 
                       init='k-means++',  # 初始簇中心的获取方法 
                       n_init=10,    # 初始簇中心的更迭次数， 默认为 10 
                       max_iter=300,    # 最大迭代次数，默认为 300 
                       tol=0.0001,      # 容忍度，即kmeans运行准则收敛的条件 
                       precompute_distances='auto',  # 是否需要提前计算距离 
                       verbose=0,    # 冗长模式 
                       random_state=None,    # 随机生成簇中心的状态条件 
                       copy_x=True,
                       n_jobs=1,     # CPU 内核并行数， 默认为 1 
                       algorithm='auto'   # kmeans的实现算法，有：’auto’, ‘full’, ‘elkan’, 其中 ‘full’表示用EM方式实现 
                      ) 

 

 

 

具体的参数含义：

n_clusters:簇的个数，即你想聚成几类

init: 初始簇中心的获取方法

n_init: 获取初始簇中心的更迭次数，为了弥补初始质心的影响，算法默认会初始10次质心，实现算法，然后返回最好的结果。

max_iter: 最大迭代次数（因为kmeans算法的实现需要迭代）

tol: 容忍度，即kmeans运行准则收敛的条件

precompute_distances：是否需要提前计算距离，这个参数会在空间和时间之间做权衡，如果是True 会把整个距离矩阵都放到内存中，auto 会默认在数据样本大于featurs*samples 的数量大于12e6 的时候False,False 时核心实现的方法是利用Cpython 来实现的

verbose: 冗长模式（不太懂是啥意思，反正一般不去改默认值）

random_state: 随机生成簇中心的状态条件。
copy_x: 对是否修改数据的一个标记，如果True，即复制了就不会修改数据。bool 在scikit-learn 很多接口中都会有这个参数的，就是是否对输入数据继续copy 操作，以便不修改用户的输入数据。这个要理解Python 的内存机制才会比较清楚。

n_jobs: 并行设置

algorithm: kmeans的实现算法，有：’auto’, ‘full’, ‘elkan’, 其中 ‘full’表示用EM方式实现

 

 

 

相关阅读：

https://www.cnblogs.com/mfryf/p/9007530.html