BisectingKMeans#

class sklearn.cluster.BisectingKMeans(n_clusters=8, *, init='random', n_init=1, random_state=None, max_iter=300, verbose=0, tol=0.0001, copy_x=True, algorithm='lloyd', bisecting_strategy='biggest_inertia')[源代码]#

二分K均值集群。

阅读更多的 User Guide .

Added in version 1.1.

参数:

n_clustersint, default=8

要形成的集群数量以及要生成的重心数量。

init' k-means ++'，'，' random '}或可调用，默认='随机'

初始化方法：

“k-means++”：以智能的方式选择初始集群中心进行k-means集群，以加速收敛。有关更多详细信息，请参阅k_init中的注释部分。

'random'：选择 n_clusters 根据初始重心的数据随机观察（行）。

如果传递了可调用内容，它应该采用参数X、n_clusters和随机状态并返回初始化。

n_initint，默认=1

内部k均值算法将在每个二分中使用不同的重心种子运行的次数。这将导致每个平分产生n_initit连续运行的最佳惯性输出。

random_stateint，RandomState实例或无，默认=无

确定内部K均值中重心初始化的随机数生成。使用int使随机性具有确定性。看到 Glossary .

max_iterint，默认=300

每个二分处内k均值算法的最大迭代次数。

verboseint，默认=0

冗长模式。

tolfloat，默认= 1 e-4

相对容差关于Frobenius范数的差异在两个连续迭代的聚类中心，以宣布收敛。用于内部k均值算法中的每个二分点，以挑选最佳可能的聚类。

copy_x布尔，默认=True

预计算距离时，首先将数据集中在数字上更准确。如果Copy_x为True（默认），则不会修改原始数据。如果为False，则修改原始数据，并在函数返回之前放回，但通过减法然后相加数据平均值可能会引入小的数字差异。请注意，如果原始数据不是C连续的，即使Copy_x为False，也会进行副本。如果原始数据很稀疏，但不是CSR格式，则即使Copy_x为False，也会创建副本。

algorithm{“lloyd”，“elkan”}，默认=“lloyd”

二分中使用的内K均值算法。经典的EM风格算法是 "lloyd" .的 "elkan" 通过使用三角不等式，对于某些具有明确集群的数据集，变异可以更有效。然而，由于分配了额外的形状数组，它的内存更加密集 (n_samples, n_clusters) .

bisecting_strategy{“最大惯性”，“最大集群”}，默认值=“最大惯性”

定义如何进行二分：

“biggest_initiation”意味着BisectingKMeans将始终检查所有计算的集群中具有最大SSE（误差平方和）的集群并将其平分。这种方法专注于精度，但在执行时间方面可能会很昂贵（尤其是对于更大量的数据点）。
“largest_clock”- BisectingKMeans始终将从之前计算的所有集群中分配给它的点数量最多的集群拆分。这应该比SSE（“bargest_inertia”）的挑选更快，并且在大多数情况下可能会产生类似的结果。

属性:

cluster_centers_形状的nd数组（n_classes，n_features）: 集群中心的坐标。如果算法在完全收敛之前停止（请参阅 tol 和 max_iter ），这些不会与 labels_ .
labels_形状的nd数组（n_samples，）: 每个点的标签。
inertia_浮子: 样本到其最近的集群中心的平方距离和，按样本权重加权（如果提供）。
n_features_in_int: 期间看到的功能数量 fit .
feature_names_in_ ：nd形状数组 (n_features_in_ ,)nd数组形状（: Names of features seen during fit. Defined only when X has feature names that are all strings.

参见

KMeans: K-Means算法的原始实现。

注意到

当n_集群小于3时，由于这种情况下不必要的计算，它可能会效率低下。

示例

>>> from sklearn.cluster import BisectingKMeans
>>> import numpy as np
>>> X = np.array([[1, 1], [10, 1], [3, 1],
...               [10, 0], [2, 1], [10, 2],
...               [10, 8], [10, 9], [10, 10]])
>>> bisect_means = BisectingKMeans(n_clusters=3, random_state=0).fit(X)
>>> bisect_means.labels_
array([0, 2, 0, 2, 0, 2, 1, 1, 1], dtype=int32)
>>> bisect_means.predict([[0, 0], [12, 3]])
array([0, 2], dtype=int32)
>>> bisect_means.cluster_centers_
array([[ 2., 1.],
       [10., 9.],
       [10., 1.]])

有关BisectingKMeans和K-Means之间的比较，请参阅示例二分K均值和常规K均值性能比较 .

fit(X, y=None, sample_weight=None)[源代码]#

计算二分k均值集群。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: 要集群的训练实例。

备注

数据将被转换为C排序，如果给定数据不是C连续的，这将导致内存复制。
y忽视: 未使用，此处列出是为了按照惯例实现API一致性。
sample_weight形状类似数组（n_samples，），默认=无: X中每个观察的权重。如果无，则所有观察结果均被赋予相同的权重。 sample_weight 在初始化期间不使用，如果 init 是可赎回的。

返回:

自我: 拟合估计量。

fit_predict(X, y=None, sample_weight=None)[源代码]#

计算每个样本的集群中心并预测集群指数。

便利法;相当于先调用fit（X），然后调用predict（X）。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: 需要转换的新数据。
y忽视: 未使用，此处列出是为了按照惯例实现API一致性。
sample_weight形状类似数组（n_samples，），默认=无: X中每个观察的权重。如果无，则所有观察结果均被赋予相同的权重。

返回:

labels形状的nd数组（n_samples，）: 每个样本所属的集群的索引。

fit_transform(X, y=None, sample_weight=None)[源代码]#

计算集群并将X转换到集群距离空间。

相当于fit（X）.transform（X），但实现更有效。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: 需要转换的新数据。
y忽视: 未使用，此处列出是为了按照惯例实现API一致性。
sample_weight形状类似数组（n_samples，），默认=无: X中每个观察的权重。如果无，则所有观察结果均被赋予相同的权重。

返回:

X_new形状的nd数组（n_samples，n_classes）: X在新的空间中变形。

get_feature_names_out(input_features=None)[源代码]#

获取用于转换的输出要素名称。

输出的功能名称将以大写的类别名称为开头。例如，如果Transformer输出3个特征，则输出的特征名称为： ["class_name0", "class_name1", "class_name2"] .

参数:

input_features字符串或无的类数组，默认=无: 仅用于通过中看到的名称验证要素名称 fit .

返回:

feature_names_out字符串对象的nd数组: 转换的功能名称。

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

返回:

routingMetadataRequest: A MetadataRequest 封装路由信息。

get_params(deep=True)[源代码]#

获取此估计器的参数。

参数:

deep布尔，默认=True: 如果为True，将返回此估计量和包含的作为估计量的子对象的参数。

返回:

paramsdict: 参数名称映射到其值。

predict(X)[源代码]#

预测X中的每个样本属于哪个集群。

预测是通过沿着分层树向下搜索最近的叶簇来进行的。

在载体量化文献中， cluster_centers_ 称为代码簿，每个值都由 predict 是代码簿中最近代码的索引。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: 需要预测的新数据。

返回:

labels形状的nd数组（n_samples，）: 每个样本所属的集群的索引。

score(X, y=None, sample_weight=None)[源代码]#

与K均值目标上X的值相反。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: New data.
y忽视: 未使用，此处列出是为了按照惯例实现API一致性。
sample_weight形状类似数组（n_samples，），默认=无: X中每个观察的权重。如果无，则所有观察结果均被赋予相同的权重。

返回:

score浮子: 与K均值目标上X的值相反。

set_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → BisectingKMeans[源代码]#

请求元数据传递给 fit 法

请注意，此方法仅适用于以下情况 enable_metadata_routing=True （见 sklearn.set_config ).请参阅 User Guide 关于路由机制如何工作。

The options for each parameter are:

True ：元数据被请求并传递给 fit 如果提供的话。如果未提供元数据，则会忽略请求。
False ：未请求元数据，元估计器不会将其传递给 fit .
None ：不请求元数据，如果用户提供元估计器，则元估计器将引发错误。
str ：元数据应通过此给定别名而不是原始名称传递给元估计器。

默认 (sklearn.utils.metadata_routing.UNCHANGED ）保留现有请求。这允许您更改某些参数的请求，而不是其他参数。

Added in version 1.3.

备注

只有当该估计器用作元估计器的子估计器时，该方法才相关，例如在 Pipeline .否则就没有效果了。

参数:

sample_weight字符串、真、假或无，默认=sklearn.utils. metalics_Routing.UNChanged: 元数据路由 sample_weight 参数 fit .

返回:

self对象: 更新的对象。

set_output(*, transform=None)[源代码]#

设置输出容器。

看到介绍 set_output API 了解如何使用API的示例。

参数:

transform{“默认”，“pandas”，“polars”}，默认=无

配置输出 transform 和 fit_transform .

"default" ：Transformer的默认输出格式
"pandas" ：DataFrame输出
"polars" ：两极输出
None ：转换配置不变

Added in version 1.4: "polars" 添加了选项。

返回:

self估计器实例: 估计实例。

set_params(**params)[源代码]#

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（例如 Pipeline ).后者具有以下形式的参数 <component>__<parameter> 以便可以更新嵌套对象的每个组件。

参数:

**paramsdict: 估计参数。

返回:

self估计器实例: 估计实例。

set_score_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → BisectingKMeans[源代码]#

请求元数据传递给 score 法

请注意，此方法仅适用于以下情况 enable_metadata_routing=True （见 sklearn.set_config ).请参阅 User Guide 关于路由机制如何工作。

The options for each parameter are:

True ：元数据被请求并传递给 score 如果提供的话。如果未提供元数据，则会忽略请求。
False ：未请求元数据，元估计器不会将其传递给 score .
None ：不请求元数据，如果用户提供元估计器，则元估计器将引发错误。
str ：元数据应通过此给定别名而不是原始名称传递给元估计器。

默认 (sklearn.utils.metadata_routing.UNCHANGED ）保留现有请求。这允许您更改某些参数的请求，而不是其他参数。

Added in version 1.3.

备注

只有当该估计器用作元估计器的子估计器时，该方法才相关，例如在 Pipeline .否则就没有效果了。

参数:

sample_weight字符串、真、假或无，默认=sklearn.utils. metalics_Routing.UNChanged: 元数据路由 sample_weight 参数 score .

返回:

self对象: 更新的对象。

transform(X)[源代码]#

将X转换为群距空间。

在新空间中，每个维度都是到集群中心的距离。请注意，即使X是稀疏的， transform 通常会很密集。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: 需要转换的新数据。

返回:

X_new形状的nd数组（n_samples，n_classes）: X在新的空间中变形。