解决TypeError: KMeans.init() got an unexpected keyword argument 'n_jobs'

这个错误可能是因为您正在使用的 Scikit-learn 版本不支持 `n_jobs` 参数。`n_jobs` 参数在 Scikit-learn 的版本 0.18 中引入，如果您的版本低于此版本，则会出现此错误。

要解决此问题，您可以升级 Scikit-learn 到最新版本（建议），或者使用不使用 `n_jobs` 参数的旧版本 KMeans 初始化方法。例如：

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=2, init='k-means++', max_iter=300)

在这个例子中，我们使用了旧版本的 KMeans 初始化方法，并且没有使用 `n_jobs` 参数。

相关问题

TypeError: KMeans.__init__() got an unexpected keyword argument n_jobs

非常抱歉，我的回答还是有误。在`sklearn.cluster`中的`KMeans`类确实没有`n_jobs`参数。如果你想要设置并行计算的数量，可以使用`joblib`库中的`Parallel`和`delayed`函数来实现并行化计算。具体的代码如下：

from sklearn.cluster import KMeans
from joblib import Parallel, delayed

kmodel = KMeans(n_clusters=k)

# 将fit方法并行化
Parallel(n_jobs=1, backend='multiprocessing')(delayed(kmodel.fit)(data) for data in data_list)

这里使用`Parallel`函数将`fit`方法并行化，`n_jobs`参数指定了并行计算任务数量，`delayed`函数用于将`fit`方法封装成一个可调用的函数，并对数据列表中的每个数据调用一次`fit`方法。

希望这次回答能够解决你的问题，如有疑问，请随时提出。

解决TypeError: KMeans.__init__() got an unexpected keyword argument 'n_jobs'

这个错误可能是因为你的sklearn版本太低，不支持n_jobs参数。你可以试着升级你的sklearn版本，或者使用不含有n_jobs参数的KMeans。

升级sklearn版本的方法：

pip install -U scikit-learn

如果你仍然想使用旧版本的sklearn，可以使用n_jobs参数的代替方法，如下所示：

kmeans = KMeans(n_clusters=3, max_iter=600, algorithm = 'auto')

这种方式将会使用默认的n_jobs值，通常情况下为1。