k-means算法API详解

class sklearn.cluster.KMeans(n_clusters=8, init=’kmeans++’, n_init=10, max_iter=300, tol=0.0001, precompute_distances=’auto’, verbose=0, random_state=None, copy_x=True, n_jobs=None, algorithm=’auto’)

n_clusters：整型，缺省值=8 【生成的聚类数，即产生的质心（centroids）数。】 
max_iter：整型，缺省值=300 
执行一次k-means算法所进行的最大迭代数。 
n_init：整型，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 的话则不预计算距离。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型，默认值= 1e-4　与inertia结合来确定收敛条件。 
n_jobs：整型数。　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：整型或 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。

verbose ： int，默认值为0

详细模式。

algorithm ： “auto”，“full”或“elkan”，默认=“auto”

K-means算法使用。经典的EM风格算法是“完整的”。通过使用三角不等式，“elkan”变体更有效，但目前不支持稀疏数据。“auto”选择“elkan”表示密集数据，“full”表示稀疏数据。