scikit-learn 中的 KMeans

语法

sklearn.cluster.KMeans(n_clusters=8, # 簇的个数
      init='k-means++', 　　　　　　　 # 初始簇中心的获取方法
      n_init=10,　　　　　　　　　　　　# 获取初始簇中心的更迭次数
      max_iter=300, 　　　　　　　　   # 最大迭代次数
      tol=0.0001,  　　　　　　　　    # 容忍度，即kmeans运行准则收敛的条件
      precompute_distances='auto',  # 是否需要提前计算距离
      verbose=0, 　　　　　　　　　　   # 冗长模式
      random_state=None, 　　　　　   #随机生成簇中心的状态条件
      copy_x=True,
      n_jobs=1, 　　　　　　　　　　    # CPU 并行设置
      algorithm='auto') 　　　　　  　 # kmeans的实现算法，有：’auto’, ‘full’, ‘elkan’, 其中 ‘full’表示用EM方式实现

参数的意义：

precompute_distances：是否需要提前计算距离，这个参数会在空间和时间之间做权衡，如果是True 会把整个距离矩阵都放到内存中，auto 会默认在数据样本大于featurs*samples 的数量大于12e6 的时候False,False 时核心实现的方法是利用Cpython 来实现的

• copy_x: 对是否修改数据的一个标记，如果True，即复制了就不会修改数据。bool 在scikit-learn 很多接口中都会有这个参数的，就是是否对输入数据继续copy 操作，以便不修改用户的输入数据。这个要理解Python 的内存机制才会比较清楚。