K均值#

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均值聚类算法。

更多信息请阅读用户指南。

参数：
X形状为 (n_samples, n_features) 的 {array-like, sparse matrix}

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

n_clustersint

要形成的聚类数量以及要生成的质心数量。

sample_weight形状为 (n_samples,) 的 array-like，默认为 None

X中每个观测值的权重。如果为None，则所有观测值都被赋予相同的权重。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'}，可调用对象或形状为 (n_clusters, n_features) 的 array-like，默认为 'k-means++'

初始化方法

  • 'k-means++'：以一种巧妙的方式选择k均值聚类的初始聚类中心，以加快收敛速度。更多详情请参见k_init中的注释部分。

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

  • 如果传入数组，则其形状应为(n_clusters, n_features)，并给出初始中心。

  • 如果传入可调用对象，则它应该接受参数X、n_clusters和随机状态，并返回一个初始化。

n_init'auto' 或 int，默认为 “auto”

使用不同的质心种子运行k均值算法的次数。最终结果将是n_init次连续运行中就惯性而言的最佳输出。

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。

1.2版本新增：为n_init添加了'auto'选项。

1.4版本变更：n_init的默认值更改为'auto'。

max_iterint，默认为 300

要运行的k均值算法的最大迭代次数。

verbosebool，默认为 False

详细模式。

tolfloat，默认为 1e-4

关于两次连续迭代的聚类中心差异的Frobenius范数的相对容差，用于声明收敛。

random_stateint，RandomState 实例或 None，默认为 None

确定质心初始化的随机数生成。使用整数使随机性确定性。参见词汇表。

copy_xbool，默认为 True

预计算距离时，首先对数据进行居中处理更精确。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，并在函数返回之前放回，但可能会引入小的数值差异。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'}，默认为 'lloyd'

要使用的K均值算法。经典的EM风格算法是"lloyd"。"elkan"变体可以通过使用三角不等式在一些具有明确定义的聚类的dataset上更高效。但是，由于分配了一个形状为(n_samples, n_clusters)的额外数组，它更占用内存。

0.18版本变更：添加了Elkan算法

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

return_n_iter布尔值，默认为False

是否返回迭代次数。

返回:
centroid形状为 (n_clusters, n_features) 的ndarray

k-means算法最后一次迭代找到的质心。

label形状为 (n_samples,) 的ndarray

label[i] 表示第 i 个观测值距离最近的质心的代码或索引。

inertia浮点数

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整数

对应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