二分K均值#

class sklearn.cluster.BisectingKMeans(n_clusters=8, *, init='random', n_init=1, random_state=None, max_iter=300, verbose=0, tol=0.0001, copy_x=True, algorithm='lloyd', bisecting_strategy='biggest_inertia')[source]#

二分K均值聚类。

详情请参阅用户指南。

版本 1.1 新增。

参数:
n_clustersint, 默认值=8

要形成的簇的数量以及要生成的质心的数量。

init{‘k-means++’, ‘random’} 或可调用对象, 默认值=’random’

初始化方法

‘k-means++’：以智能方式选择K均值聚类的初始簇中心，以加速收敛。详情请参阅k_init中的“注意”部分。

‘random’：从数据中随机选择 n_clusters 个观测值（行）作为初始质心。

如果传递一个可调用对象，它应该接受 X、n_clusters 和 random state 作为参数，并返回一个初始化。

n_initint, 默认值=1

在每次二分中，内部 k-means 算法将以不同的质心种子运行的次数。这将导致每次二分都产生 n_init 次连续运行中惯性（inertia）最佳的结果。

random_stateint, RandomState 实例或 None, 默认值=None

决定内部 K-Means 中质心初始化的随机数生成。使用整数可使随机性确定。详情请参阅词汇表。

max_iterint, 默认值=300

每次二分中内部 k-means 算法的最大迭代次数。

verboseint, 默认值=0

详细模式。

tolfloat, 默认值=1e-4

两次连续迭代中簇中心差值的 Frobenius 范数相对容差，用于声明收敛。在每次二分中的内部 k-means 算法中使用，以选择最佳簇。

copy_xbool, 默认值=True

在预计算距离时，首先对数据进行中心化在数值上更精确。如果 copy_x 为 True（默认值），则原始数据不会被修改。如果为 False，则原始数据会被修改，并在函数返回前恢复，但通过减去再加上数据均值可能会引入微小的数值差异。请注意，如果原始数据不是 C 连续的，即使 copy_x 为 False 也会创建副本。如果原始数据是稀疏的但不是 CSR 格式，即使 copy_x 为 False 也会创建副本。

algorithm{“lloyd”, “elkan”}, 默认值=”lloyd”

二分中使用的内部 K-means 算法。经典的 EM 风格算法是 "lloyd"。 "elkan" 变体在某些具有明确定义簇的数据集上使用三角不等式可以更高效。然而，由于需要额外分配一个形状为 (n_samples, n_clusters) 的数组，它会占用更多内存。

bisecting_strategy{“biggest_inertia”, “largest_cluster”}, 默认值=”biggest_inertia”

定义二分如何执行

  • “biggest_inertia” 意味着 BisectingKMeans 总是检查所有已计算的簇，找出具有最大 SSE（平方误差和）的簇并对其进行二分。这种方法侧重于精度，但执行时间可能较长（特别是对于大量数据点）。

  • “largest_cluster” - BisectingKMeans 总是从所有先前计算的簇中，分割分配点数最多的簇。这应该比按 SSE（‘biggest_inertia’）选择更快，并且在大多数情况下可能产生相似的结果。

属性:
cluster_centers_形状为 (n_clusters, n_features) 的 ndarray

簇中心的坐标。如果算法在完全收敛前停止（参见 tol 和 max_iter），这些坐标将与 labels_ 不一致。

labels_形状为 (n_samples,) 的 ndarray

每个点的标签。

inertia_浮点数

样本到其最近簇中心的平方距离之和，如果提供了样本权重则按样本权重加权。

n_features_in_int

在拟合（fit）期间看到的特征数量。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在拟合（fit）期间看到的特征名称。仅当 X 的所有特征名称均为字符串时才定义。

另请参见

KMeans

K-Means算法的原始实现。

注意

当 n_cluster 小于 3 时，可能效率低下，因为会进行不必要的计算。

示例

>>> from sklearn.cluster import BisectingKMeans
>>> import numpy as np
>>> X = np.array([[1, 1], [10, 1], [3, 1],
...               [10, 0], [2, 1], [10, 2],
...               [10, 8], [10, 9], [10, 10]])
>>> bisect_means = BisectingKMeans(n_clusters=3, random_state=0).fit(X)
>>> bisect_means.labels_
array([0, 2, 0, 2, 0, 2, 1, 1, 1], dtype=int32)
>>> bisect_means.predict([[0, 0], [12, 3]])
array([0, 2], dtype=int32)
>>> bisect_means.cluster_centers_
array([[ 2., 1.],
       [10., 9.],
       [10., 1.]])

有关二分K均值和K均值之间的比较，请参阅示例二分K均值与常规K均值性能比较。

fit(X, y=None, sample_weight=None)[source]#

计算二分 k-means 聚类。

参数:
X{类数组, 稀疏矩阵} 形状为 (n_samples, n_features)

用于聚类的训练实例。

注意

数据将被转换为 C 顺序，如果给定数据不是 C 连续的，将导致内存复制。

y已忽略

未使用，根据 API 约定在此处存在。

sample_weight类数组，形状为 (n_samples,), 默认值=None

X 中每个观测值的权重。如果为 None，则所有观测值都被分配相同的权重。如果 init 是一个可调用对象，则在初始化期间不使用 sample_weight。

返回:
self

拟合后的估计器。

fit_predict(X, y=None, sample_weight=None)[source]#

计算簇中心并预测每个样本的簇索引。

便捷方法；等同于调用 fit(X) 后再调用 predict(X)。

参数:
X{类数组, 稀疏矩阵} 形状为 (n_samples, n_features)

要转换的新数据。

y已忽略

未使用，根据 API 约定在此处存在。

sample_weight类数组，形状为 (n_samples,), 默认值=None

X 中每个观测值的权重。如果为 None，则所有观测值都被分配相同的权重。

返回:
labels形状为 (n_samples,) 的 ndarray

每个样本所属簇的索引。

fit_transform(X, y=None, sample_weight=None)[source]#

计算聚类并将 X 转换为簇距离空间。

等同于 fit(X).transform(X)，但实现更高效。

参数:
X{类数组, 稀疏矩阵} 形状为 (n_samples, n_features)

要转换的新数据。

y已忽略

未使用，根据 API 约定在此处存在。

sample_weight类数组，形状为 (n_samples,), 默认值=None

X 中每个观测值的权重。如果为 None，则所有观测值都被分配相同的权重。

返回:
X_new形状为 (n_samples, n_clusters) 的 ndarray

在新空间中转换后的 X。

get_feature_names_out(input_features=None)[source]#

获取转换的输出特征名称。

输出特征名称将以小写类名作为前缀。例如，如果转换器输出3个特征，则输出特征名称为： ["class_name0", "class_name1", "class_name2"]。

参数:
input_features字符串类数组或None, 默认值=None

仅用于根据 fit 中看到的名称验证特征名称。

返回:
feature_names_out字符串对象的 ndarray

转换后的特征名称。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查阅用户指南，了解路由机制的工作原理。

返回:
routingMetadataRequest

一个包含路由信息的MetadataRequest对象。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deepbool, 默认值=True

如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。

返回:
params字典

参数名称与其值之间的映射。

predict(X)[source]#

预测 X 中每个样本所属的簇。

预测是通过沿层次树向下搜索最近的叶簇来完成的。

在向量量化文献中，cluster_centers_ 被称为码本，predict 返回的每个值都是码本中最接近的码的索引。

参数:
X{类数组, 稀疏矩阵} 形状为 (n_samples, n_features)

要预测的新数据。

返回:
labels形状为 (n_samples,) 的 ndarray

每个样本所属簇的索引。

score(X, y=None, sample_weight=None)[source]#

与 X 在 K-means 目标上的值相反。

参数:
X{类数组, 稀疏矩阵} 形状为 (n_samples, n_features)

新数据。

y已忽略

未使用，根据 API 约定在此处存在。

sample_weight类数组，形状为 (n_samples,), 默认值=None

X 中每个观测值的权重。如果为 None，则所有观测值都被分配相同的权重。

返回:
score浮点数

与 X 在 K-means 目标上的值相反。

set_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → BisectingKMeans[source]#

请求传递给 fit 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时才相关（参见 sklearn.set_config）。请参阅用户指南，了解路由机制的工作原理。

每个参数的选项有：

  • True：请求元数据，如果提供则传递给 fit。如果未提供元数据，则忽略该请求。

  • False：不请求元数据，元估计器不会将其传递给 fit。

  • None：不请求元数据，如果用户提供，元估计器将引发错误。

  • str：元数据应以给定别名而非原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

版本 1.3 新增。

注意

如果此估计器用作元估计器的子估计器，例如在Pipeline内部使用，则此方法才相关。否则，它没有效果。

参数:
sample_weightstr, True, False, 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED

fit 方法中 sample_weight 参数的元数据路由。

返回:
self对象

更新后的对象。

set_output(*, transform=None)[source]#

设置输出容器。

有关如何使用API的示例，请参阅set_output API 简介。

参数:
transform{“default”, “pandas”, “polars”}, 默认值=None

配置 transform 和 fit_transform 的输出。

  • "default"：转换器的默认输出格式

  • "pandas"：DataFrame 输出

  • "polars"：Polars 输出

  • None：转换配置不变

版本 1.4 新增： 添加了 "polars" 选项。

返回:
self估计器实例

估计器实例。

set_params(**params)[source]#

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

参数:
**params字典

估计器参数。

返回:
self估计器实例

估计器实例。

set_score_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → BisectingKMeans[source]#

请求传递给 score 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时才相关（参见 sklearn.set_config）。请参阅用户指南，了解路由机制的工作原理。

每个参数的选项有：

  • True：请求元数据，如果提供则传递给 score。如果未提供元数据，则忽略该请求。

  • False：不请求元数据，元估计器不会将其传递给 score。

  • None：不请求元数据，如果用户提供，元估计器将引发错误。

  • str：元数据应以给定别名而非原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

版本 1.3 新增。

注意

如果此估计器用作元估计器的子估计器，例如在Pipeline内部使用，则此方法才相关。否则，它没有效果。

参数:
sample_weightstr, True, False, 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED

score 方法中 sample_weight 参数的元数据路由。

返回:
self对象

更新后的对象。

transform(X)[source]#

将 X 转换为簇距离空间。

在新空间中，每个维度都是到簇中心的距离。请注意，即使 X 是稀疏的，transform 返回的数组通常也是稠密的。

参数:
X{类数组, 稀疏矩阵} 形状为 (n_samples, n_features)

要转换的新数据。

返回:
X_new形状为 (n_samples, n_clusters) 的 ndarray

在新空间中转换后的 X。