sklearn.cluster.KMeans

sklearn.cluster.KMeans

1、api

class sklearn.cluster.KMeans(n_clusters=8, init='k-means++', 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')

2、参数和属性

参数：

n_clusters	聚类中心的个数（k）
n_init	初始化聚类中心的次数（可能选的效果不好，所以多次random）
max_iter	迭代次数
tol	容忍值，最后不满足，会返回warning（不收敛）
algorithm	“full” 经典的EM-style算法 “elkan” 高效但不支持稀疏数据 ”auto“ 密集数据选择“elkan”，稀疏数据选择“full”

属性：

cluster_centers_	聚类中心的信息（坐标）,(n_clusters,n_features)
labels_	每个数据点的所属类别，（n_samples,)
inertia_	所有样本点和其所属类中心的距离之和
n_iter_	运行的迭代次数

3、方法

相关的项目可以在我的github下载