二分KMeans#

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]#

Bisecting K-Means 聚类。

在用户指南中阅读更多内容。

版本 1.1 中新增。

参数:
n_clustersint, default=8

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

init{‘k-means++’, ‘random’} 或 callable, 默认值=’random’

每次二分法的初始化方法。

‘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。详见 k_init 中的注意事项。

‘random’: choose n_clusters observations (rows) at random from data for the initial centroids.

如果传入一个可调用对象，它应该接受参数 X、n_clusters 和一个随机状态，并返回一个初始化。请注意，二分算法总是执行2路分裂，因此可调用对象将始终以 n_clusters=2 调用，并且应该返回2个质心。

n_initint, default=1

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。这将使得每次二分都能根据惯性（inertia）在 n_init 次连续运行中产生最佳输出。

random_stateint, RandomState instance or None, default=None

确定内部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。详见术语表。

max_iterint, default=300

每次二分时，内部k-means算法的最大迭代次数。

verboseint, default=0

Verbosity mode.

tolfloat, default=1e-4

相对于连续两次迭代中簇中心差异的Frobenius范数的相对容差，用于声明收敛。在每次二分中的内部k-means算法中使用，以选择最佳可能的簇。

copy_xbool, default=True

预计算距离时，首先对数据进行中心化会更精确。如果 copy_x 为 True（默认值），则不会修改原始数据。如果为 False，则会修改原始数据，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”}, default=”lloyd”

二分法中使用的内部K-means算法。经典的EM风格算法是 "lloyd"。 "elkan" 变体通过使用三角不等式，在某些具有明确定义簇的数据集上可能更有效。然而，由于需要额外分配形状为 (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”

定义应如何执行二分。

  • “biggest_inertia” 意味着 BisectingKMeans 将始终检查所有已计算的簇，找出具有最大 SSE（平方误差和）的簇并将其二分。这种方法注重精度，但可能在执行时间方面成本较高（特别是对于大量数据点）。

  • “largest_cluster” - BisectingKMeans 将始终从所有先前计算的簇中，分割分配点数最多的簇。这应该比通过 SSE 选择（“biggest_inertia”）更快，并且在大多数情况下可能会产生相似的结果。

属性:
cluster_centers_ndarray of shape (n_clusters, n_features)

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

labels_ndarray of shape (n_samples,)

每个点的标签。

inertia_float

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其加权。

n_features_in_int

在 拟合 期间看到的特征数。

feature_names_in_shape 为 (n_features_in_,) 的 ndarray

在 fit 期间看到的特征名称。仅当 X 具有全部为字符串的特征名称时才定义。

另请参阅

KMeans

K-Means算法的原始实现。

注意事项

当 n_cluster 小于3时，由于不必要的计算，效率可能不高。

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KMeans和K-Means的比较，请参阅示例二分K-Means和常规K-Means性能比较。

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

计算二分k-means聚类。

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

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，这将导致内存复制。

y被忽略

Not used, present here for API consistency by convention.

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

X中每个观测值的权重。如果为 None，所有观测值都被赋予相同的权重。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

拟合的估计器。

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

Compute cluster centers and predict cluster index for each sample.

Convenience method; equivalent to calling fit(X) followed by predict(X).

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

New data to transform.

y被忽略

Not used, present here for API consistency by convention.

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

The weights for each observation in X. If None, all observations are assigned equal weight.

返回:
labelsndarray of shape (n_samples,)

Index of the cluster each sample belongs to.

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

Compute clustering and transform X to cluster-distance space.

Equivalent to fit(X).transform(X), but more efficiently implemented.

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

New data to transform.

y被忽略

Not used, present here for API consistency by convention.

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

The weights for each observation in X. If None, all observations are assigned equal weight.

返回:
X_newndarray of shape (n_samples, n_clusters)

X transformed in the new space.

get_feature_names_out(input_features=None)[source]#

获取转换的输出特征名称。

The feature names out will prefixed by the lowercased class name. For example, if the transformer outputs 3 features, then the feature names out are: ["class_name0", "class_name1", "class_name2"].

参数:
input_featuresarray-like of str or None, default=None

Only used to validate feature names with the names seen in fit.

返回:
feature_names_outstr 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，了解路由机制如何工作。

返回:
routingMetadataRequest

封装路由信息的 MetadataRequest。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deepbool, default=True

如果为 True，将返回此估计器以及包含的子对象（如果它们是估计器）的参数。

返回:
paramsdict

参数名称映射到其值。

predict(X)[source]#

预测X中每个样本所属的簇。

预测是通过沿着层次树向下寻找最近的叶簇来完成的。

In the vector quantization literature, cluster_centers_ is called the code book and each value returned by predict is the index of the closest code in the code book.

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

New data to predict.

返回:
labelsndarray of shape (n_samples,)

Index of the cluster each sample belongs to.

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

Opposite of the value of X on the K-means objective.

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

New data.

y被忽略

Not used, present here for API consistency by convention.

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

The weights for each observation in X. If None, all observations are assigned equal weight.

返回:
scorefloat

Opposite of the value of X on the K-means objective.

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

配置是否应请求元数据以传递给 fit 方法。

请注意，此方法仅在以下情况下相关：此估计器用作 元估计器 中的子估计器，并且通过 enable_metadata_routing=True 启用了元数据路由（请参阅 sklearn.set_config）。请查看 用户指南 以了解路由机制的工作原理。

每个参数的选项如下：

  • 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，如果用户提供元数据，元估计器将引发错误。

  • str：应将元数据以给定别名而不是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。

在版本 1.3 中新增。

参数:
sample_weightstr, True, False, or None, default=sklearn.utils.metadata_routing.UNCHANGED

fit 方法中 sample_weight 参数的元数据路由。

返回:
selfobject

更新后的对象。

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

设置输出容器。

请参阅 用户指南 以了解更多详细信息，并参考 引入 set_output API 获取关于如何使用该 API 的示例。

参数:
transform{“default”, “pandas”, “polars”}, default=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: 转换配置保持不变

1.4 版本新增: 添加了 "polars" 选项。

返回:
selfestimator instance

估计器实例。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

参数:
**paramsdict

估计器参数。

返回:
selfestimator instance

估计器实例。

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

配置是否应请求元数据以传递给 score 方法。

请注意，此方法仅在以下情况下相关：此估计器用作 元估计器 中的子估计器，并且通过 enable_metadata_routing=True 启用了元数据路由（请参阅 sklearn.set_config）。请查看 用户指南 以了解路由机制的工作原理。

每个参数的选项如下：

  • 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，如果用户提供元数据，元估计器将引发错误。

  • str：应将元数据以给定别名而不是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。

在版本 1.3 中新增。

参数:
sample_weightstr, True, False, or None, default=sklearn.utils.metadata_routing.UNCHANGED

score 方法中 sample_weight 参数的元数据路由。

返回:
selfobject

更新后的对象。

transform(X)[source]#

Transform X to a cluster-distance space.

In the new space, each dimension is the distance to the cluster centers. Note that even if X is sparse, the array returned by transform will typically be dense.

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

New data to transform.

返回:
X_newndarray of shape (n_samples, n_clusters)

X transformed in the new space.