使用sklearn進行K_Means聚類算法

首先附上官網說明 
[http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#examples-using-sklearn-cluster-kmeans]

再附上一篇翻譯文檔 
http://blog.csdn.net/xiaoyi_zhang/article/details/52269242

再給一個百度上找的例子（侵權刪）：

# -*- coding: utf-8 -*- from sklearn.cluster import KMeans from sklearn.externals import joblib import numpy final = open('c:/test/final.dat' , 'r') data = [line.strip().split('\t') for line in final] feature = [[float(x) for x in row[3:]] for row in data] #調用kmeans類 clf = KMeans(n_clusters=9) s = clf.fit(feature) print s #9個中心 print clf.cluster_centers_ #每個樣本所屬的簇 print clf.labels_ #用來評估簇的個數是否合適，距離越小說明簇分的越好，選取臨界點的簇個數 print clf.inertia_ #進行預測 print clf.predict(feature) #保存模型 joblib.dump(clf , 'c:/km.pkl') #載入保存的模型 clf = joblib.load('c:/km.pkl') ''' #用來評估簇的個數是否合適，距離越小說明簇分的越好，選取臨界點的簇個數 for i in range(5,30,1): clf = KMeans(n_clusters=i) s = clf.fit(feature) print i , clf.inertia_ '''

初學者講解如下： 
參考http://www.cnblogs.com/meelo/p/4272677.html 
sklearn對於所有的機器學習算法有一個一致的接口，一般需要以下幾個步驟來進行學習： 
1、初始化分類器，根據不同的算法，需要給出不同的參數，一般所有的參數都有一個默認值。 
 
（1）對於K均值聚類，我們需要給定類別的個數n_cluster，默認值為8； 
（2）max_iter為迭代的次數，這里設置最大迭代次數為300； 
（3）n_init設為10意味着進行10次隨機初始化，選擇效果最好的一種來作為模型； 
（4） init=’k-means++’ 會由程序自動尋找合適的n_clusters； 
（5）tol：float形，默認值= 1e-4，與inertia結合來確定收斂條件； 
（6）n_jobs：指定計算所用的進程數； 
（7）verbose 參數設定打印求解過程的程度，值越大，細節打印越多； 
（8）copy_x：布爾型，默認值=True。當我們precomputing distances時，將數據中心化會得到更准確的結果。如果把此參數值設為True，則原始數據不會被改變。如果是False，則會直接在原始數據 
上做修改並在函數返回值時將其還原。但是在計算過程中由於有對數據均值的加減運算，所以數據返回后，原始數據和計算前可能會有細小差別。 
屬性： 
 
（1）cluster_centers_：向量，[n_clusters, n_features] 
Coordinates of cluster centers (每個簇中心的坐標？？)； 
（2）Labels_:每個點的分類； 
（3）inertia_：float，每個點到其簇的質心的距離之和。 
比如我的某次代碼得到結果： 
 
2、對於非監督機器學習，輸入的數據是樣本的特征，clf.fit(X)就可以把數據輸入到分類器里。 
3、用分類器對未知數據進行分類，需要使用的是分類器的predict方法。