kmodel = KMeans(n_clusters=k, n_jobs=1) 。 TypeError: KMeans.__init__() got an unexpected keyword argument 'n_jobs'这个问题的具体解决办法

这个问题的具体解决办法是将参数`n_jobs`修改为`n_jobs_`，因为sklearn中的KMeans类并不支持`n_jobs`参数，而是使用`n_jobs_`参数来控制并行计算的数量。所以你需要将代码修改为：

kmodel = KMeans(n_clusters=k, n_jobs_=1)

这样就可以避免`TypeError`错误了。

相关问题

kmodel = KMeans(n_clusters=k, n_jobs=1) 。TypeError: KMeans.__init__() got an unexpected keyword argument 'n_jobs'这个问题怎么解决

这个问题可能是因为您使用的版本的 scikit-learn 库不支持 `n_jobs` 参数。在 scikit-learn 0.23 版本之前，`KMeans` 类没有 `n_jobs` 参数。要解决这个问题，您可以尝试以下两种方法之一：

1. 更新 scikit-learn 库的版本。如果您的 scikit-learn 版本低于 0.23 版本，则可以通过升级到最新版本来解决问题。您可以使用以下命令在终端或命令提示符中更新 scikit-learn：

   pip install --upgrade scikit-learn

2. 不使用 `n_jobs` 参数。如果升级 scikit-learn 不可行，您可以尝试不使用 `n_jobs` 参数。只需将 `n_jobs` 参数从 `KMeans` 类的初始化中删除即可：

   kmodel = KMeans(n_clusters=k)

这将消除警告并确保代码在将来的版本中正常工作。

kmodel = KMeans(n_clusters=k, n_jobs_=1) # n_jobs是并行数，一般等于CPU数较好 TypeError: KMeans.__init__() got an unexpected keyword argument 'n_jobs_'

非常抱歉，我的上一条回答有误。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，可以在实例化`KMeans`类时设置`n_jobs`参数：

kmodel = KMeans(n_clusters=k, n_jobs=1)

如果你仍然遇到`TypeError: KMeans.__init__() got an unexpected keyword argument 'n_jobs'`的错误，可能是因为你的`sklearn`版本太旧，不支持`n_jobs`参数。建议你升级到最新版本的`scikit-learn`，或者将参数`n_jobs`设置为`None`，以使用默认的单线程计算：

kmodel = KMeans(n_clusters=k, n_jobs=None)

希望这次回答能够帮到你，如有疑问，请随时提出。