【机器学习】K-Means算法及多种优化改进算法,聚类模型评估,附带案例代码
时间: 2024-02-28浏览次数:
参数描述n_clusters:int,optional,默认值:8要形成的簇数以及要生成的质心数init:{‘k-means++’,‘random’或ndarray},默认:‘k-means++’初始化方法,‘k-means++’:以智能方式为k均值聚类选择初始聚类中心,以加速收敛;‘random’:从初始质心
参数 | 描述 |
---|
n_clusters : int,optional,默认值:8 | 要形成的簇数以及要生成的质心数 |
init : {‘k-means ++’,'random’或ndarray},默认:‘k-means ++’ | 初始化方法,‘k-means ++’:以智能方式为k均值聚类选择初始聚类中心,以加速收敛;‘random’:从初始质心的数据中随机选择k个观测值;如果传递了ndarray,它应该是形状(n_clusters,n_features)并给出初始中心。 |
max_iter : int | 独立于任何早期停止标准启发式停止之前,完整数据集上的最大迭代次数 |
batch_size : int,optional,默认值:100 | 批次的大小 |
random_state | 确定质心初始化和随机重新分配的随机数生成 |