Nous enquêtons sur le monde en ligne pour avoir la solution à votre dilemme, si vous continuez avec des soucis, vous pouvez nous laisser le doute et nous vous répondrons avec plaisir, car nous sommes là pour vous servir.
sklearn.cluster.kmeans_plusplus(X, n_clusters, *, x_squared_norms=None, random_state=None, n_local_trials=None)[source]-
Init n_clusters seeds selon k-means++.
Nouveau dans la version 0.24.
- Paramètres
-
X{array-like, sparse matrix} of shape (n_samples, n_features)-
Les données dans lesquelles il faut prélever des graines.
n_clustersint-
Le nombre de centroïdes à initialiser.
x_squared_normsarray-like of shape (n_samples,), default=None-
La norme euclidienne au carré de chaque point de données.
random_stateint or RandomState instance, default=None-
Détermine la génération de nombres aléatoires pour l'initialisation des centroïdes. Passez un int pour une sortie reproductible à travers plusieurs appels de fonction. Voir Glossaire.
n_local_trialsint, default=None-
Le nombre d'essais de semis pour chaque centre (sauf le premier), parmi lesquels celui qui réduit le plus l'inertie est choisi avec avidité. Mettre à None pour que le nombre d'essais dépende logarithmiquement du nombre de graines (2+log(k)).
- Renvoie à
-
centersndarray of shape (n_clusters, n_features)-
Les centres initiaux pour les k-means.
indicesndarray of shape (n_clusters,)-
L'emplacement de l'index des centres choisis dans le tableau de données X. Pour un index et un centre donnés, X[index] = centre.
Notes
Sélectionne les centres de clusters initiaux pour le clustering k-mean de manière intelligente pour accélérer la convergence. voir : Arthur, D. et Vassilvitskii, S. "k-means++ : les avantages d'un ensemencement soigneux". ACM-SIAM symposium on Discrete algorithms. 2007
Exemples
>>>from sklearn.cluster import kmeans_plusplus >>>import numpy as np >>> X = np.array([[1,2],[1,4],[1,0],...[10,2],[10,4],[10,0]])>>> centers, indices = kmeans_plusplus(X, n_clusters=2, random_state=0)>>> centers array([[10,4],[1,0]])>>> indices array([4,2])
Exemples d'utilisation sklearn.cluster.kmeans_plusplus
Un exemple d'initialisation de K-Means++.
Nous vous montrons des avis et des notes
Si vous avez des doutes ou la possibilité d'améliorer notre déclaration, vous pouvez exécuter une clarification et nous l'analyserons avec plaisir.