sklearn.cluster.KMeans中的参数介绍

最新推荐文章于 2025-03-21 10:13:00 发布

小白不白`

最新推荐文章于 2025-03-21 10:13:00 发布

阅读量2.9k

点赞数 2

分类专栏：机器学习文章标签： sklearn kmeans python 人工智能

本文链接：https://blog.youkuaiyun.com/hu_666666/article/details/128062523

版权

机器学习专栏收录该内容

10 篇文章

订阅专栏

本文详细介绍了KMeans聚类算法的关键参数，包括n_clusters（簇的数量）、init（初始化策略）、n_init（运行次数）、max_iter（最大迭代次数）、tol（收敛阈值）等，帮助读者理解如何调整这些参数以优化聚类效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

 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')

1.n_clusters：分类簇的数量。

2.init：接收待定的string。kmeans++表示该初始化策略选择的初始均值向量之间都距离比较远，它的效果较好；random表示从数据中随机选择K个样本最为初始均值向量；或者提供一个数组，数组的形状为（n_cluster,n_features），该数组作为初始均值向量。

3.n_init：用不同的聚类中心初始化值运行算法的次数，最终解是在inertia意义下选出的最优结果；默认值为10。

4.max_iter：最大的迭代次数。

5.tol：表示算法收敛的阈值。

6.precompute_distance：接收Boolean或者auto。表示是否提前计算好样本之间的距离，auto表示如果nsamples*n>12 million，则不提前计算。

7.verbose：0表示不输出日志信息；1表示每隔一段时间打印一次日志信息。如果大于1，打印次数频繁。

8.random_state：表示随机数生成器的种子。

9.n_jobs：表示任务使用CPU数量；若值为 -1，则用所有的CPU进行运算。