sklearn机器学习:K-Means_sklearn kmeans的数据格式-优快云博客

本文介绍了sklearn库中的K-Means聚类算法，重点讲解了n_clusters参数，它是K-Means中必须指定的参数，用于设定要分成的类别数量。通常需要根据数据分布探索合适的n_clusters值。通过创建带标签的数据集并观察，可以发现当n_clusters设为4时，SSE收敛效果最佳，这与数据集的实际情况相吻合。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

K-Means类的格式

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

重要参数：n_clusters

n_clusters是K-Means中的k，告诉模型要分几类。是K-Means当中唯一必填的参数，默认为8类，但通常聚类结果会是一个小于8的结果。通常，在开始聚类之前，并不知道n_clusters究竟是多少，因此要对它进行探索。
当拿到一个数据集，如果可能的话，希望能够通过绘图先观察一下这个数据集的数据分布，以此来为聚类时输入的n_clusters做一个参考。
首先，创建一个有标签的数据集。

import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
#自己创建数据集
X, y = make_blobs(n_samples=500,n_features=2,centers=4,random_state=1)
#看一下点的分布情况
color = ["red","pink","orange","gray"]
for i in range(4):
    plt.scatter(X[y==i, 0], X[y==i, 1]
                ,marker='o' #点的形状
                ,s=8 #点的⼤大⼩小
                ,c=color[i]
                )
plt.show()

在这里插入图片描述
基于这个分布，使用K-Means聚类。首先，猜测一下，这个数据中有几簇？

from sklearn.cluster import KMeans
#先用k=3试试
n_clusters = 3
cluster = KMeans(n_clusters=n_clusters, random_state=0).fit(X)
#重要属性labels_，查看聚好的类别，每个样本所对应的类
y_pred = cluster.labels_
y_pred

array([0, 0, 2, 1, 2, 1, 2, 2, 2, 2, 0, 0, 2