Python sklearn KMeans用法及代碼示例

本文簡要介紹python語言中 sklearn.cluster.KMeans 的用法。

用法:

class sklearn.cluster.KMeans(n_clusters=8, *, init='k-means++', n_init=10, max_iter=300, tol=0.0001, verbose=0, random_state=None, copy_x=True, algorithm='auto')

K-Means 聚類。

在用戶指南中閱讀更多信息。

參數：

n_clusters：整數，默認=8

要形成的簇數以及要生成的質心數。

init：{‘k-means++’, ‘random’}，可調用或類似數組的形狀 (n_clusters, n_features)，默認=‘k-means++’

初始化方法：

‘k-means++’：以智能方式為k-mean聚類選擇初始聚類中心以加速收斂。有關更多詳細信息，請參閱 k_init 中的注釋部分。

‘random’：從初始質心的數據中隨機選擇 n_clusters 觀測值(行)。

如果傳遞了一個數組，它的形狀應該是 (n_clusters, n_features) 並給出初始中心。

如果傳遞了一個可調用對象，它應該接受參數 X、n_clusters 和一個隨機狀態並返回一個初始化。

n_init：整數，默認=10

k-means 算法將使用不同的質心種子運行的次數。就慣性而言，最終結果將是 n_init 連續運行的最佳輸出。

max_iter：整數，默認=300

k-means 算法單次運行的最大迭代次數。

tol：浮點數，默認=1e-4

關於兩次連續迭代的聚類中心差異的 Frobenius 範數的相對容差，以聲明收斂。

verbose：整數，默認=0

詳細模式。

random_state：int、RandomState 實例或無，默認=無

確定質心初始化的隨機數生成。使用int 使隨機性具有確定性。請參閱術語表。

copy_x：布爾，默認=真

在預先計算距離時，首先將數據居中在數值上更準確。如果 copy_x 為 True(默認)，則不修改原始數據。如果為 False，則修改原始數據，並在函數返回之前放回，但通過減去再添加數據均值可能會引入小的數值差異。請注意，如果原始數據不是C-contiguous，即使copy_x 為False，也會進行複製。如果原始數據是稀疏的，但不是 CSR 格式，即使 copy_x 為 False，也會進行複製。

algorithm：{“auto”, “full”, “elkan”}，默認=”auto”

K-means 算法使用。經典的EM-style算法是“full”。通過使用三角不等式，“elkan” 變體對具有明確定義的集群的數據更有效。然而，由於分配了一個額外的形狀數組(n_samples，n_clusters)，它更加占用內存。

目前“auto”(為了向後兼容而保留)選擇“elkan”，但它可能會在未來改變以獲得更好的啟發式。

屬性：

cluster_centers_：ndarray 形狀(n_clusters，n_features)

聚類中心的坐標。如果算法在完全收斂之前停止(參見 tol 和 max_iter )，這些將與 labels_ 不一致。

labels_：ndarray 形狀 (n_samples,)

每個點的標簽

inertia_：浮點數

樣本到它們最近的聚類中心的距離平方和，如果提供，則按樣本權重加權。

n_iter_：int

運行的迭代次數。

n_features_in_：int

擬合期間看到的特征數。

feature_names_in_：ndarray 形狀(n_features_in_，)

擬合期間看到的特征名稱。僅當 X 具有全為字符串的函數名稱時才定義。

注意：

k-means 問題使用 Lloyd 或 Elkan 算法解決。

平均複雜度由 O(k n T) 給出，其中 n 是樣本數，T 是迭代次數。

最壞情況複雜度由 O(n^(k+2/p)) 給出，其中 n = n_samples，p = n_features。 (D. Arthur 和 S. Vassilvitskii，“k-means 方法有多慢？” SoCG2006)

在實踐中，k-means 算法非常快(可用的最快的聚類算法之一)，但它屬於局部最小值。這就是為什麽重新啟動它幾次會很有用。

如果算法在完全收斂之前停止(因為 tol 或 max_iter )，labels_ 和 cluster_centers_ 將不一致，即 cluster_centers_ 將不是每個集群中點的均值。此外，估計器將在最後一次迭代後重新分配labels_，以使labels_ 與訓練集上的predict 一致。

例子：

>>> from sklearn.cluster import KMeans
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...               [10, 2], [10, 4], [10, 0]])
>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
>>> kmeans.labels_
array([1, 1, 1, 0, 0, 0], dtype=int32)
>>> kmeans.predict([[0, 0], [12, 3]])
array([1, 0], dtype=int32)
>>> kmeans.cluster_centers_
array([[10.,  2.],
       [ 1.,  2.]])