聚类

      • ：返回模型的参数。

        • deep： 如果为True，则可以返回模型参数的子对象。

      • set_params(**params)：设置模型的参数。

        • params：待设置的关键字参数。

      • fit(X[, y, sample_weight]) ：训练模型。

        • X ：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。
        • y ：样本的标签集合。它与X 的每一行相对应。
        • sample_weight：样本的权重。其形状为 [n_samples,]，每个元素代表一个样本的权重。

      • predict(X, sample_weight)：返回每个样本所属的簇标记。

        • sample_weight：样本的权重。其形状为 [n_samples,]，每个元素代表一个样本的权重。
        • ：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。
        • y ：样本的标签集合。它与X 的每一行相对应。
        • sample_weight：样本的权重。其形状为 [n_samples,]，每个元素代表一个样本的权重。

      • transform(X)：将数据集 X 转换到cluster center space 。

        在cluster center space 中，样本的维度就是它距离各个聚类中心的距离。

        • X ：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。

      • fit_transform(X[, y, sample_weight])：训练模型并执行聚类，将数据集 X 转换到cluster center space 。

        • X ：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。
        • y ：样本的标签集合。它与 的每一行相对应。

    2. 模型的一些通用参数：

      • 如果为 -1 则使用所有可用的 CPU。

      • verbose：一个正数。用于开启/关闭迭代中间输出日志功能。

        • 数值越大，则日志越详细。
        • 数值为0或者None，表示关闭日志输出。

      • max_iter ：一个整数，指定最大迭代次数。

        如果为None则为默认值（不同solver的默认值不同）。

      • random_state：一个整数或者一个RandomState实例，或者None。

        • 如果为整数，则它指定了随机数生成器的种子。
        • 如果为RandomState实例，则指定了随机数生成器。