mlxtend version: 0.23.1

Kmeans

Kmeans(k, max_iter=10, convergence_tolerance=1e-05, random_seed=None, print_progress=0)

K-means聚类类.

添加于0.4.1dev

Parameters

• k : int

  聚类数量

• max_iter : int (默认: 10)

  聚类分配期间的迭代次数. 当算法收敛时,聚类重新分配会自动停止.

• convergence_tolerance : float (默认: 1e-05)

  使用给定的容差（一个小的正浮点数）比较当前质心与前一次迭代的质心, 以确定算法是否提前收敛.

• random_seed : int (默认: None)

  设置初始质心分配的随机状态.

• print_progress : int (默认: 0)

  将进度打印到stderr. 0: 无输出 1: 已用迭代次数 2: 1加上已用时间 3: 2加上预计完成时间

Attributes

• centroids_ : 2d-array, shape={k, n_features}

  k个聚类质心的特征值.

• custers_ : dictionary

  聚类分配存储为Python字典; 字典键表示聚类索引,项是分配给每个聚类的样本索引的Python列表.

• iterations_ : int

  直到收敛的迭代次数.

Examples

有关使用示例,请参见 https://rasbt.github.io/mlxtend/user_guide/classifier/Kmeans/

Methods

---

fit(X, init_params=True)

学习模型从训练数据.

Parameters

• X : {array-like, sparse matrix}, shape = [n_samples, n_features]

  训练向量,其中n_samples是样本数量,n_features是特征数量.

• init_params : bool (默认: True)

  在拟合之前重新初始化模型参数. 设置为False以继续使用先前模型拟合的权重进行训练.

Returns

• self : object

---

get_params(deep=True)

获取此估计器的参数.

Parameters

• deep : boolean, 可选

  如果为 True,将返回此估计器及其包含的作为估计器的子对象的参数.

Returns

• params : 字符串到任意类型的映射

  参数名称映射到其值.

  改编自 https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/base.py 作者: Gael Varoquaux gael.varoquaux@normalesup.org 许可证: BSD 3 条款

---

predict(X)

预测目标值.

Parameters

• X : {array-like, sparse matrix}, shape = [n_samples, n_features]

  训练向量,其中 n_samples 是样本数量,n_features 是特征数量.

Returns

• target_values : array-like, shape = [n_samples]

  预测的目标值.

---

set_params(params)

设置此估计器的参数. 该方法适用于简单估计器以及嵌套对象（如管道）. 后者具有形式为<组件>__<参数>的参数,以便可以更新嵌套对象的每个组件.

Returns

self

改编自
https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/base.py
作者: Gael Varoquaux <gael.varoquaux@normalesup.org>
许可证: BSD 3条款