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:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

要聚类的观测数据。必须注意，数据将被转换为C序，如果给定数据不是C连续的，这将导致内存复制。

n_clustersint

The number of clusters to form as well as the number of centroids to generate.

sample_weightshape 为 (n_samples,) 的 array-like, default=None

对X中每个观测数据的权重。如果为None，则所有观测数据被分配相同的权重。sample_weight在初始化期间不使用，如果init是可调用对象或用户提供的数组。

init{‘k-means++’, ‘random’}, callable or array-like of shape (n_clusters, n_features), default=’k-means++’

Method for initialization

  • 'k-means++'：以一种智能的方式选择k-means聚类的初始聚类中心，以加快收敛速度。有关更多详细信息，请参阅k_init中的“注释”部分。

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

  • 如果传入一个数组，它的形状应为(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’ or int, default=”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；如果使用init='k-means++'或init是类似数组的对象，则为1。

Added in version 1.2: Added ‘auto’ option for n_init.

版本1.4中的变化： n_init的默认值更改为'auto'。

max_iterint, default=300

k-means算法运行的最大迭代次数。

verbosebool, default=False

Verbosity mode.

tolfloat, default=1e-4

关于两个连续迭代的聚类中心差异的Frobenius范数的相对容忍度，用于声明收敛。

random_stateint, RandomState instance or None, default=None

确定质心初始化的随机数生成。使用整数使随机性具有确定性。参见词汇表。

copy_xbool, default=True

在预计算距离时，先将数据中心化在数值上更准确。如果copy_x为True（默认），则不修改原始数据。如果为False，则修改原始数据，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，也会进行复制。如果原始数据是稀疏的，但不是CSR格式，即使copy_x为False，也会进行复制。

algorithm{“lloyd”, “elkan”}, default=”lloyd”

要使用的K-means算法。经典的EM式算法是"lloyd"。使用三角不等式的"elkan"变体在某些具有明确定义聚类的数据集上可能更有效。然而，由于需要分配一个额外的形状为(n_samples, n_clusters)的数组，它会占用更多内存。

版本0.18中的变化： 添加了Elkan算法

版本1.1中的变化： 将“full”重命名为“lloyd”，并弃用了“auto”和“full”。将“auto”更改为使用“lloyd”而不是“elkan”。

return_n_iterbool, default=False

是否返回迭代次数。

返回:
centroidndarray of shape (n_clusters, n_features)

k-means最后一次迭代中找到的质心。

labelndarray of shape (n_samples,)

label[i]是第i个观测数据最接近的质心的代码或索引。

inertiafloat

惯性准则的最终值（训练集中所有观测数据到最近质心的平方距离之和）。

best_n_iterint

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
在本页