Scikit learn “与”的区别是什么;sklearn.cluster.k_的意思是;及;sklearn.cluster.KMeans“;我什么时候应该使用其中一个?
我混淆了“sklearn.cluster.k_means”和“sklearn.cluster.KMeans”之间的区别,当我应该使用它们中的一个时?来自:“[w]我们为许多算法提供了特别的函数接口,而估计器类提供了更一致的接口。”Scikit learn “与”的区别是什么;sklearn.cluster.k_的意思是;及;sklearn.cluster.KMeans“;我什么时候应该使用其中一个?,scikit-learn,cluster-analysis,k-means,Scikit Learn,Cluster Analysis,K Means,我混淆了“sklearn.cluster.k_means”和“sklearn.cluster.KMeans”之间的区别,当我应该使用它们中的一个时?来自:“[w]我们为许多算法提供了特别的函数接口,而估计器类提供了更一致的接口。”k_means()只是返回KMeans.fit()结果的包装器。: 集群中心 标签 惯性 n\u iter\u KMeans是一个按照开发人员指南设计的类KMeans,与sklearn中的其他分类器对象一样,用于: fit() transform(),以及 sco
k_means()
只是返回KMeans.fit()结果的包装器。
:
- 集群中心
标签
- 惯性
n\u iter\u
KMeans
是一个按照开发人员指南设计的类KMeans
,与sklearn中的其他分类器对象一样,用于:
fit()
,以及transform()
score()
predict()
。使用KMeans
而不是k_means()
的主要好处是,您可以轻松访问KMeans
中实现的其他方法。例如,如果要使用经过训练的模型预测未查看的数据属于哪个群集,请执行以下操作:
从sklearn.clustering导入KMeans
est=KMeans()
KMeans.fit(X_列车)
聚类标签=预测(X检验)
如果您使用函数式API,要应用预测,您必须查看KMeans.predict()
的引擎盖,以了解如何执行此操作
并非所有sklearn对象都实现了功能设计,但您可以使用sklearn中的其他示例轻松地实现它。使用后者。他们也在做同样的事情,但后者使用的是sklearn的API,而另一个只是一个函数。