• bandwidth：一个浮点数，指定带宽参数。

  如果未指定，则通过sklearn.cluster.estimate_bandwith() 函数来自动计算。

• seeds：一个形状为[n_samples,n_features] 的数组，用于初始化核函数。

  如果未指定，则通过sklearn.cluster.get_bin_seeds() 函数来自动计算。

• bin_seeding：一个布尔值。

  • 如果为，则并不会使用所有的点来计算核函数，而是使用网格边界上的点（网格宽度为带宽）来计算。这会加速算法的执行，因为核函数的初始化需要的点大大降低。

• 当bin_seeding=True 时，仅仅接收那些网格内包含超过min_bin_freq 个数据点的网格。

• cluster_all：一个布尔值，指定是否对所有数据点进行聚类。

  • 如果为False，则对离群点不聚类，将离群点的簇标记设置为-1 。
  • 如果为，则对离群点也聚类，将离群点划分到离它最近的簇中。
• n_jobs：一个整数，指定并行度。

方法：

• fit(X[, y])：训练模型。

• ：训练模型并执行聚类，返回每个样本所属的簇标记。