Machine learning 为什么在kmeans聚类方法中使用kmeans.fit函数？

我在视频中使用kmeans聚类技术，但我不明白为什么我们在kmeans聚类中使用.fit方法

kmeans = KMeans(n_clusters=5, random_state=0)
kmeans.fit(X) //why we use this fit method here

---

因为sklearn的人很早就决定所有东西都应该有

fit（X，y）

和

predict（X）

功能。而且它很可能不会改变，因为向后兼容

它对集群没有太大意义，因为集群不使用

y

（默认为

None

，因为它被忽略）。而且，也没有真正的用例需要使用集群替换分类器

尽管如此，您还是需要在某个时候运行该算法。在构造函数中执行此操作是一种反模式（因此

KMeans（n_clusters=5，data=X）

是一个no-no），因此您必须调用一些方法。您不妨将其称为

fit

then，这至少适用于基于优化的方法，如k-means

---

但是，您可以简单地使用方法

k_means（X，n_clusters=5）

而不是使用类。然后它将是一行（例如，请参见

fit

的源代码）。

kmeans是您定义的模型

为了训练我们的模型，我们在这里使用kmeans.fit（）

争论

kmeans.fit（参数）

是我们需要群集的数据集

使用

fit（）函数

我们的模型准备好了

我们使用

数据标签=kmeans.labels_