MeanShift#

class sklearn.cluster.MeanShift(*, bandwidth=None, seeds=None, bin_seeding=False, min_bin_freq=1, cluster_all=True, n_jobs=None, max_iter=300)[source]#

使用平坦核的均值漂移聚类。

均值漂移聚类旨在在样本的平滑密度中发现“团块”。它是一种基于质心的算法，通过将质心的候选点更新为给定区域内点的平均值来工作。然后，这些候选点在后处理阶段进行过滤，以消除近似重复项，从而形成最终的质心集合。

播种是使用分箱技术进行的，以实现可伸缩性。

有关如何使用 MeanShift 聚类的示例，请参阅：均值漂移聚类算法演示。

在用户指南中阅读更多内容。

参数:
bandwidth浮点数，默认值=None

平坦核中使用的带宽。

如果未给出，则使用 sklearn.cluster.estimate_bandwidth 估计带宽；有关该函数的文档，请参阅有关可伸缩性的提示（另请参阅下面的注释）。

seeds形状为 (n_samples, n_features) 的类数组，默认值=None

用于初始化核的种子。如果未设置，则种子将由 clustering.get_bin_seeds 计算，其中带宽作为网格大小，其他参数使用默认值。

bin_seeding布尔值，默认值=False

如果为 True，初始核位置不是所有点的位置，而是点的离散化版本的位置，其中点被分箱到粗细与带宽相对应的网格上。将此选项设置为 True 将加快算法速度，因为将初始化更少的种子。默认值为 False。如果 `seeds` 参数不是 None，则忽略此参数。

min_bin_freq整数，默认值=1

为了加快算法速度，只接受至少包含 `min_bin_freq` 个点的箱作为种子。

cluster_all布尔值，默认值=True

如果为 True，则所有点都被聚类，即使是那些不在任何核内的孤立点。孤立点被分配到最近的核。如果为 False，则孤立点被赋予聚类标签 -1。

n_jobs整数，默认值=None

用于计算的作业数。以下任务受益于并行化

  • 用于带宽估计和标签分配的最近邻搜索。详情请参见 NearestNeighbors 类的文档字符串。

  • 所有种子的爬山优化。

有关更多详细信息，请参阅术语表。

None 表示 1，除非在 joblib.parallel_backend 上下文中。-1 表示使用所有处理器。有关更多详细信息，请参阅术语表。

max_iter整数，默认值=300

每个种子点在聚类操作终止（对于该种子点）前的最大迭代次数，如果尚未收敛。

在 0.22 版本中新增。

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

聚类中心的坐标。

labels_形状为 (n_samples,) 的 ndarray

每个点的标签。

n_iter_整数

对每个种子执行的最大迭代次数。

在 0.22 版本中新增。

n_features_in_整数

在 fit 期间看到的特征数量。

在 0.24 版本中新增。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在 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。

在 1.0 版本中新增。

另请参阅

KMeans

K-均值聚类。

注释

可伸缩性

由于此实现使用平坦核和球树来查找每个核的成员，因此在较低维度中，复杂度将趋向于 O(T*n*log(n))，其中 n 是样本数量，T 是点数量。在较高维度中，复杂度将趋向于 O(T*n^2)。

通过使用更少的种子可以提高可伸缩性，例如在 get_bin_seeds 函数中使用更高的 `min_bin_freq` 值。

请注意，estimate_bandwidth 函数的可伸缩性远低于均值漂移算法，如果使用它，它将成为瓶颈。

参考文献

Dorin Comaniciu and Peter Meer, “Mean Shift: A robust approach toward feature space analysis”. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. pp. 603-619.

示例

>>> from sklearn.cluster import MeanShift
>>> import numpy as np
>>> X = np.array([[1, 1], [2, 1], [1, 0],
...               [4, 7], [3, 5], [3, 6]])
>>> clustering = MeanShift(bandwidth=2).fit(X)
>>> clustering.labels_
array([1, 1, 1, 0, 0, 0])
>>> clustering.predict([[0, 0], [5, 5]])
array([1, 0])
>>> clustering
MeanShift(bandwidth=2)

有关均值漂移聚类与其他聚类算法的比较，请参阅在玩具数据集上比较不同的聚类算法

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

执行聚类。

参数:
X形状为 (n_samples, n_features) 的类数组

要聚类的样本。

y忽略

未使用，按约定为 API 一致性而存在。

返回:
self对象

拟合实例。

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

在 X 上执行聚类并返回聚类标签。

参数:
X形状为 (n_samples, n_features) 的类数组

输入数据。

y忽略

未使用，按约定为 API 一致性而存在。

**kwargs字典

要传递给 fit 的参数。

在 1.4 版本中新增。

返回:
labels形状为 (n_samples,) 且 dtype=np.int64 的 ndarray

聚类标签。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查看 用户指南，了解路由机制的工作原理。

返回:
routingMetadataRequest

一个封装路由信息的 MetadataRequest。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deep布尔值，默认值=True

如果为 True，则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 中每个样本所属的最接近的聚类。

参数:
X形状为 (n_samples, n_features) 的类数组

要预测的新数据。

返回:
labels形状为 (n_samples,) 的 ndarray

每个样本所属聚类的索引。

set_params(**params)[source]#

设置此估计器的参数。

该方法适用于简单的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。