• n_clusters：一个整数，指定降维的维数，即 。

• eigen_solver：一个字符串或者None，指定求解特征值的求解器。可以为：

  • 'arpack'：使用arpack 求解器。
  • 'lobpcg'：使用lobpcg 求解器。
  • 'amg'：使用amg 求解器。它要求安装pyamg。优点是计算速度快，支持大规模、稀疏数据，但是可能导致不稳定。

• random_state：指定随机数种子。

• n_init：一个整数，指定二次聚类时的k-means 算法的 参数，它会重复执行k-means 算法n_init 轮，选择效果最好的那轮作为最终聚类的输出。

• gamma：一个浮点数，它给出了rbf,poly,sigmoid,laplacian,chi2 核的系数。

  如果affinity='nearest_neighbors'，则忽略该参数。

• degree：一个整数，当使用多项式核时，指定多项式的度。

• coef0：一个整数，当使用多项式核和sigmoid 核时，指定偏置。

• n_neighbors：一个整数，指定当计算相似度矩阵时，考虑样本周围近邻的多少个样本。

  如果affinity='rbf'，则忽略该参数。

• assign_labels：一个字符串，指定二次聚类的算法。

  • 'kmeans'：使用k-means 算法执行二次聚类。
  • 'discretize'：使用discretize 执行二次聚类。
• n_jobs：指定并行度。

• affinity_matrix：一个形状为(n_samples,n_samples) 的数组，给出了相似度矩阵。
• labels_：一个形状为(n_samples,) 的数组，给出了每个样本的簇标记。

方法：

• fit_predict(X[, y])：训练模型并执行聚类，返回每个样本所属的簇标记。