k_means#

sklearn.cluster.k_means(X, n_clusters, *, sample_weight=None, init='k-means++', n_init='auto', max_iter=300, verbose=False, tol=0.0001, random_state=None, copy_x=True, algorithm='lloyd', return_n_iter=False)[source]#

执行 K-means 聚类算法。

在用户指南中了解更多信息。

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

要聚类的观测值。需要注意的是，数据将被转换为 C 顺序，如果给定数据不是 C 连续的，这将导致内存复制。

n_clusters整型

要形成的簇的数量以及要生成的质心的数量。

sample_weight类数组，形状为 (n_samples,)，默认值为 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 是可调用对象或用户提供的数组，则在初始化期间不使用 sample_weight。

init{‘k-means++’, ‘random’}，可调用对象或类数组，形状为 (n_clusters, n_features)，默认值为 ‘k-means++’

初始化方法

  • 'k-means++'：以智能方式选择 k-means 聚类的初始簇中心，以加速收敛。有关更多详细信息，请参阅 k_init 中的注意事项。

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

  • 如果传入一个数组，其形状应为 (n_clusters, n_features)，并提供初始中心。

  • 如果传入一个可调用对象，它应接受参数 X、n_clusters 和一个随机状态，并返回一个初始化。

n_init‘auto’ 或 整型，默认值为 “auto”

k-means 算法将使用不同的质心种子运行的次数。最终结果将是 n_init 次连续运行中惯性方面的最佳输出。

当 n_init='auto' 时，运行次数取决于 init 的值：如果使用 init='random' 或 init 是可调用对象，则为 10 次；如果使用 init='k-means++' 或 init 是类数组对象，则为 1 次。

在 1.2 版中新增：为 n_init 添加了 ‘auto’ 选项。

在 1.4 版中更改：n_init 的默认值更改为 'auto'。

max_iter整型，默认值为 300

k-means 算法的最大运行迭代次数。

verbose布尔型，默认值为 False

详细模式。

tol浮点型，默认值为 1e-4

关于两次连续迭代中簇中心差异的 Frobenius 范数的相对容差，用于声明收敛。

random_state整型，RandomState 实例或 None，默认值为 None

确定质心初始化的随机数生成。使用整型使随机性确定。请参阅术语表。

copy_x布尔型，默认值为 True

在预计算距离时，首先对数据进行中心化会更数值精确。如果 copy_x 为 True（默认值），则不修改原始数据。如果为 False，则原始数据会被修改，并在函数返回前恢复，但通过减去再添加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 格式的，即使 copy_x 为 False 也会创建副本。

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

要使用的 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可能更有效，因为它使用了三角不等式。然而，由于需要分配一个额外形状为 (n_samples, n_clusters) 的数组，它会消耗更多内存。

在 0.18 版中更改：添加了 Elkan 算法

在 1.1 版中更改：将“full”重命名为“lloyd”，并弃用了“auto”和“full”。将“auto”更改为使用“lloyd”而非“elkan”。

return_n_iter布尔型，默认值为 False

是否返回迭代次数。

返回:
centroidndarray，形状为 (n_clusters, n_features)

在 k-means 最后一次迭代中找到的质心。

labelndarray，形状为 (n_samples,)

label[i] 是第 i 个观测值最接近的质心的代码或索引。

inertia浮点型

惯性准则的最终值（训练集中所有观测值到最近质心的平方距离之和）。

best_n_iter整型

对应于最佳结果的迭代次数。仅当 return_n_iter 设置为 True 时返回。

示例

>>> import numpy as np
>>> from sklearn.cluster import k_means
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...               [10, 2], [10, 4], [10, 0]])
>>> centroid, label, inertia = k_means(
...     X, n_clusters=2, n_init="auto", random_state=0
... )
>>> centroid
array([[10.,  2.],
       [ 1.,  2.]])
>>> label
array([1, 1, 1, 0, 0, 0], dtype=int32)
>>> inertia
16.0
在此页上