sklearn包中的K-Means算法

 1）函数：sklearn.cluster.KMeans

   2）主要参数

           n_clusters：要进行的分类的个数，即上文中k值，默认是8

           max_iter  ：最大迭代次数。默认300

           min_iter   ：最小迭代次数，默认10

           init：有三个可选项

                   'k-means ++'：使用k-means++算法，默认选项

                   'random':从初始质心数据中随机选择k个观察值

                   第三个是数组形式的参数

            n_jobs: 设置并行量 （-1表示使用所有CPU）

     3）主要属性：

          cluster_centers_ ：集群中心的坐标

          labels_ : 每个点的标签

      4）官网示例：  

>>> from sklearn.cluster import KMeans
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...               [4, 2], [4, 4], [4, 0]])
>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
>>> kmeans.labels_
array([0, 0, 0, 1, 1, 1], dtype=int32)
>>> kmeans.predict([[0, 0], [4, 4]])
array([0, 1], dtype=int32)
>>> kmeans.cluster_centers_
array([[ 1.,  2.],
       [ 4.,  2.]])