sklearn kmeans 参数

sklearn中KMeans算法的参数主要包括以下几个：

- n_clusters: int, optional, default: 8。指定聚类的簇数目。
- init: {'k-means++', 'random'} or ndarray, optional, default: 'k-means++'。初始化方法。默认是'k-means++'，即使用智能选取初始中心点的方法。也可以设置为'random'，即随机选取初始中心点。也可以自定义一个ndarray来指定初始中心点。
- n_init: int, default: 10。指定不同的随机初始中心点的个数。算法会运行n_init次，返回最优的结果。
- max_iter: int, default: 300。指定最大迭代次数。
- tol: float, default: 1e-4。指定收敛阈值，如果簇中心的移动距离小于tol，则认为算法已经收敛。
- precompute_distances: {'auto', True, False}, default='auto'。是否提前计算距离。默认是'auto'，即根据数据集的大小和内存容量来决定是否提前计算距离。如果数据集比较小或者内存容量比较大，则会提前计算距离；否则不会。也可以手动指定为True或False。
- verbose: int, default: 0。是否打印调试信息。默认是不打印。
- random_state: int, RandomState instance or None, optional, default: None。随机数生成器的种子。如果设置了种子，则每次运行结果都相同。如果不设置种子，则每次运行结果都不同。

这些参数可以通过KMeans类的构造函数进行设置。例如：

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=3, init='k-means++', n_init=10, max_iter=300, tol=1e-4, precompute_distances='auto', verbose=0, random_state=None)