知识卡片
KMeans拟合与簇预测
使用 KMeans 时指定 n_clusters,调用 fit(X) 学习簇中心,再用 predict(X_new) 为样本分配簇。簇编号是任意标签,不等同于真实类别;K 的选择和距离缩放应结合任务评价。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- scikit-learn · 查看原书依据
kMeans.fit(XY_points)
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第15章《scikit-learn》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0022_split_005.html`)
- 结论依据:原文演示 KMeans 及缩放器拟合应用;逆变换并非所有转换器均支持。
- 原始内容:kMeans.fit(XY_points) fit()返回结果,表明聚类完成。为了可视化它是如何分解原始数据的,我们将再次运行相同的数据,并询问每个样本的预测簇。我们将使用predict()方法和相同的数据来进行拟合,如