sklearn.cluster.affinity_propagation?
sklearn.cluster.affinity_propagation(S, *, preference=None, convergence_iter=15, max_iter=200, damping=0.5, copy=True, verbose=False, return_n_iter=False, random_state='warn')
執行數據的親和傳播聚類
在用戶指南中閱讀更多內容
| 參數 | 說明 |
|---|---|
| S | array-like, shape (n_samples, n_samples) 點之間的相似矩陣 |
| preference | array-like, shape (n_samples,) or float, optional 每個點的偏好值越大，就越有可能被選擇作為樣本。樣本數，即聚類的樣本數，受輸入偏好值的影響。如果首選項不是作為參數傳遞，則它們將被設置為輸入相似點的中位數(從而導致適度的聚類數目)。對于較小數量的簇，可以將其設置為相似性的最小值。 |
| convergence_iter | int, optional, default: 15 停止收斂的估計簇數目不變的迭代次數 |
| max_iter | int, optional, default: 200 最大迭代次數 |
| damping | float, optional, default: 0.5 阻尼系數在0.5到1之間。 |
| copy | boolean, optional, default: True 如果copy是False，則通過該算法對親和矩陣進行修改，以提高內存效率。 |
| verbose | boolean, optional, default: False 詳細程度 |
| return_n_iter | bool, default False 是否返回迭代次數 |
| random_state | int or np.random.RandomStateInstance, default: 0 偽隨機數發生器控制起動狀態。對跨函數調用的可重復結果使用整數。見Glossary。 |
| 返回值 | 說明 |
|---|---|
| cluster_centers_indices | array, shape (n_clusters,) 簇中心指數 |
| labels | array, shape (n_samples,) 每個點的聚類標簽 |
| n_iter | int 運行的迭代數。只有當 return_n_iter設置為True時才返回。 |
注：
舉個例子，參見examples/cluster/plot_affinity_propagation.py.
當算法不收斂時，為每個訓練樣本返回一個空數組作為cluster_center_indices, -1作為標簽。
當所有訓練樣本具有相同的相似性和相同的偏好時，聚類中心和標簽的分配取決于偏好。如果偏好小于相似性，則將返回每個樣本的單個中心聚類和標簽0。否則，每個訓練樣本都會成為自己的聚類中心，并被分配一個唯一的標簽。
參考
Brendan J. Frey and Delbert Dueck, “Clustering by Passing Messages Between Data Points”, Science Feb. 2007
