sklearn.cluster.KMeans?
class sklearn.cluster.KMeans(n_clusters=8, *, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='deprecated', verbose=0, random_state=None, copy_x=True, n_jobs='deprecated', algorithm='auto')
K-均值聚類
在用戶指南中閱讀更多內容。
| 參數 | 方法 |
|---|---|
| n_clusters | int, default=8 要形成的簇數以及要生成的質心數。 |
| init | {‘k-means++’, ‘random’, ndarray, callable}, default=’k-means++’ 初始化方法： ‘k-means++’：明智地選擇初始聚類中心進行k均值聚類，加快收斂速度.有關詳細信息，請參閱k_init中的Notes部分。 ‘random’：從初始質心的數據中隨機選擇 n_clusters觀測(行)。如果一個ndarray被傳遞，它應該是形狀的(n_clusters, n_features)，并給出初始中心。 如果傳遞了一個可調用函數，它應該接受參數X、n_clusters和一個隨機狀態，并返回一個初始化。 |
| max_iter | int, default=300 相對容忍度與Frobenius范數， 連續兩次迭代之間的聚類中心的差異聲明收斂。不建議將其設置為 tol=0，因為由于舍入錯誤，可能永遠不會聲明收斂。用一個很小的數字代替。 |
| precompute_distances | {‘auto’, True, False}, default=’auto’ 預計算距離(速度更快，但占用更多內存)。 ‘auto’：如果n個樣本n_samples * n_clusters > 1200萬，不預先計算距離。這相當于使用雙精度的每個作業大約100 MB的開銷。 True :總是預先計算距離 False：永遠不要預先計算距離。 自0.23版本起被棄用：在0.22版本中不推薦使用‘precompute_distances’，并將在0.25中刪除。它沒有效果。 |
| verbose | int, default=0 詳細模式 |
| random_state | int, RandomState instance, default=None 確定用于質心初始化的隨機數生成。使用整數使隨機性確定。見Glossary。 |
| copy_x | bool, default=True 當預計算距離時，首先對數據進行中心化比較精確.如果copy_x為True(默認值)，則不會修改原始數據。如果為False，則對原始數據進行修改，并在函數返回之前將其放回，但可以通過減去和添加數據均值來引入較小的數值差異。注意，如果原始數據不是C-contiguous的，即使copy_x為False，也會復制。如果原始數據稀疏，但不采用CSR格式，即使copy_x為false，也會復制。 |
| n_jobs | int, default=None 用于計算的OpenMP線程數。并行性是在主cython循環上按樣本順序進行的，該循環將每個樣本分配到其最近的中心。 None或-1意味著使用所有處理器。從0.23版 n_jobs開始不推薦使用*：從0.23版*開始不推薦使用，并將在0.25版中刪除。 |
| algorithm | {“auto”, “full”, “elkan”}, default=”auto” 表示K-means要使用的算法。經典的EM式算法是“full”的。通過三角不等式，對于具有定義良好的簇的數據，“elkan”變化更為有效。但是，由于分配了一個額外的形狀數組(n_samples, n_clusters)，所以內存更多。 目前，“auto”(為向后兼容而保留)選擇了“Elkan”，但它將來可能會改變，以獲得更好的啟發式。 *在版本0.18中更改：*添加了Elkan算法 |
| 屬性 | 說明 |
|---|---|
| cluster_centers_ | ndarray of shape (n_clusters, n_features) 簇中心坐標。如果算法在完全收斂之前停止(請參閱 tol和max_iter)，這些將與labels_比配。 |
| labels_ | ndarray of shape (n_samples,) 每一點的標簽 |
| inertia_ | float 樣本到其最近的聚類中心的平方距離之和。 |
| n_iter_ | int 運行的迭代次數 |
另見
替代性在線實施，使用迷你批次對中心位置進行增量更新。對于大規模學習（例如n_samples> 10k），MiniBatchKMeans可能比默認的批處理實現要快得多。
注
k-均值問題采用Lloyd’s算法或Elkan’s算法求解。
平均復雜度為O(KnT)，n為樣本數，T為迭代次數。
最壞的情形復雜度由O(n^(k+2/p))給出，n=n_samples，p=n_features。 (D. Arthur and S. Vassilvitskii, ‘How slow is the k-means method?’ SoCG2006)
在實踐中，k均值算法是非常快速的(可用的最快的聚類算法之一)，但它是在局部收斂極小。這就是為什么多次重新啟動它是有用的。
如果算法在完全收斂之前停止(因為tol或max_iter)， labels_和cluster_centers將不一致，也就是說，cluster_centers不會是每個簇中各點的均值。此外，估計器將在最后一次迭代后重新分配 labels_，使labels_與訓練集上的預測一致。
示例
>>> from sklearn.cluster import KMeans
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
... [10, 2], [10, 4], [10, 0]])
>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
>>> kmeans.labels_
array([1, 1, 1, 0, 0, 0], dtype=int32)
>>> kmeans.predict([[0, 0], [12, 3]])
array([1, 0], dtype=int32)
>>> kmeans.cluster_centers_
array([[10., 2.],
[ 1., 2.]])
方法
| 方法 | 說明 |
|---|---|
fit(self, X[, y, sample_weight]) |
計算k-均值聚類 |
fit_predict(self, X[, y, sample_weight]) |
計算聚類中心并預測每個樣本的聚類索引 |
fit_transform(self, X[, y, sample_weight]) |
計算聚類并將X變換成簇距離空間 |
get_params(self[, deep]) |
獲取此估計器的參數 |
predict(self, X[, sample_weight]) |
預測X中每個樣本所屬的最接近的聚類 |
set_params(self, **params) |
設置此估計器的參數 |
transform(self, X) |
將X轉換為簇距離空間 |
__init__(self, n_clusters=8, *, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='deprecated', verbose=0, random_state=None, copy_x=True, n_jobs='deprecated', algorithm='auto')
初始化self。請參閱help(type(self))以獲得準確的說明。
fit(self, X, y=None, sample_weight=None)
計算k-均值聚類
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features), or (n_samples, n_samples) 要聚類的訓練實例。必須注意的是，數據將轉換為C順序，如果給定的數據不是C-連續的，這將導致內存副本。如果一個稀疏矩陣被傳遞，如果它不是CSR格式，它將被復制。 |
| y | Ignored 未使用，在此按約定呈現為API一致性。 |
| sample_weight | array-like of shape (n_samples,), default=None X中每個觀測值的權重，如果沒有，則所有觀測值都被賦予相同的權重。 |
| 返回值 | 說明 |
|---|---|
| self | 擬合的估計器 |
fit_predict(self, X, y=None, sample_weight=None)
計算聚類中心并預測每個樣本的聚類索引
方便方法；等價于調用fit(X)后再predict(X)。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 要轉換的新數據 |
| y | Ignored 未使用，在此按約定呈現為API一致性。 |
| sample_weight | array-like of shape (n_samples,), default=None X中每個觀測值的權重，如果沒有，則所有觀測值都被賦予相同的權重。 |
| 返回值 | 說明 |
|---|---|
| labels | ndarray of shape (n_samples,) 每個樣本所屬的聚類索引 |
fit_transform(self, X, y=None, sample_weight=None)
計算聚類并將X變換成簇距離空間
等效于 fit(X).transform(X)，但更有效地實現。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 要轉換的新數據 |
| y | Ignored 未使用，在此按約定呈現為API一致性。 |
| sample_weight | array-like of shape (n_samples,), default=None X中每個觀測值的權重，如果沒有，則所有觀測值都被賦予相同的權重。 |
| 返回值 | 說明 |
|---|---|
| labels | array of shape (n_samples, n_clusters) X在新空間中的變換 |
get_params(self, deep=True)
獲取此估計器的參數
| 參數 | 說明 |
|---|---|
| deep | bool, default=True 如果為True，則將返回此估計器的參數和所包含的作為估計量的子對象。 |
| 返回值 | 說明 |
|---|---|
| params | mapping of string to any 映射到其值的參數名稱 |
predict(self, X, sample_weight=None)
預測X中每一個樣本所屬的最接近的聚類。
在矢量量化文獻中，cluster_centers_被稱為代碼簿， predict返回的每個值都是代碼簿中最接近的代碼的索引。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 要轉換的新數據 |
| sample_weight | array-like of shape (n_samples,), default=None X中每個觀測值的權重，如果沒有，則所有觀測值都被賦予相同的權重。 |
| 返回值 | 說明 |
|---|---|
| labels | ndarray of shape (n_samples,) 每個樣本所屬的聚類索引 |
score(self, X, y=None, sample_weight=None)
K-均值目標上X值的相反
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 要轉換的新數據 |
| y | Ignored 未使用，在此按約定呈現為API一致性。 |
| sample_weight | array-like of shape (n_samples,), default=None X中每個觀測值的權重，如果沒有，則所有觀測值都被賦予相同的權重。 |
| 返回值 | 說明 |
|---|---|
| score | float 與K-均值目標上的X值相反. |
set_params(self, **params)
設置此估計器的參數
該方法適用于簡單估計器以及嵌套對象(例如pipelines)。后者具有表單的 <component>__<parameter>參數，這樣就可以更新嵌套對象的每個組件。
| 參數 | 說明 |
|---|---|
| **params | dict 估計器參數 |
| 返回值 | 說明書 |
|---|---|
| self | object 估計器實例 |
transform(self, X)
將X轉換成簇距空間。
在新的空間中，每個維度都是到簇中心的距離。請注意，即使X是稀疏的，轉換返回的數組通常也是密集的。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 要轉換的新數據 |
| 返回值 | 說明 |
|---|---|
| labels | array of shape (n_samples, n_clusters) X在新空間中的變換 |
