dask_ml.cluster.SpectralClustering

dask_ml.cluster.SpectralClustering

class dask_ml.cluster.SpectralClustering(n_clusters=8, eigen_solver=None, random_state=None, n_init='auto', gamma=1.0, affinity='rbf', n_neighbors=10, eigen_tol=0.0, assign_labels='kmeans', degree=3, coef0=1, kernel_params=None, n_jobs=1, n_components=100, persist_embedding=False, kmeans_params=None)

应用并行谱聚类

此实现避免了昂贵的 N x N 亲和力矩阵计算。取而代之的是，使用 Nyström 方法作为近似。

参数
n_clusters整数，可选

投影子空间的维度。

eigen_solverNone

忽略

random_state整数，RandomState 实例或 None，可选，默认值：None

用于当 eigen_solver == ‘amg’ 时初始化 lobpcg 特征向量分解以及用于 K-Means 初始化的伪随机数生成器。如果为整数，random_state 是随机数生成器使用的种子；如果为 RandomState 实例，random_state 是随机数生成器；如果为 None，随机数生成器是 np.random 使用的 RandomState 实例。

n_init整数，可选，默认值：10

忽略

gamma浮点数，默认值：1.0

rbf, poly, sigmoid, laplacian 和 chi2 核的核系数。对于 affinity='nearest_neighbors' 会被忽略。

affinity字符串，类数组对象或可调用对象，默认值：‘rbf’

可以是 ‘precomputed’ 或 metrics.pairwise.PAIRWISE_KERNEL_FUNCTIONS 支持的其中一个核函数。

只能使用产生相似度分数（非负值，随相似度增加而增加）的核函数。聚类算法不会检查此属性。

可调用对象应接受与 sklearn.metrics.pairwise_kernels 类似的参数：必需的 X，可选的 Y，以及 gamma, degree, coef0，以及在 kernel_params 中传递的任何关键字参数。

n_neighbors整数

使用最近邻方法构建亲和力矩阵时使用的邻居数量。对于 affinity='rbf' 会被忽略。

eigen_tol浮点数，可选，默认值：0.0

使用 arpack eigen_solver 时，拉普拉斯矩阵特征分解的停止准则。

assign_labels‘kmeans’ 或 Estimator，默认值：‘kmeans’

用于在嵌入空间中分配标签的策略。默认情况下，创建一个 dask_ml.cluster.KMeans 实例并将 n_clusters 设置为 2。为了进一步控制最终标签分配的超参数，可以传递一个 KMeans 估计器的实例（可以是 scikit-learn 或 dask-ml 的）。

degree浮点数，默认值：3

多项式核的次数。其他核会忽略此参数。

coef0浮点数，默认值：1

多项式和 Sigmoid 核的零系数。其他核会忽略此参数。

kernel_params字符串到任意类型的字典，可选

作为可调用对象传递的核函数的参数（关键字参数）及其值。其他核会忽略此参数。

n_jobs整数，可选（默认值 = 1）

要运行的并行作业数量。如果为 -1，则作业数量设置为 CPU 核心数量。

n_components整数，默认值 100

用于 Nyström 近似的 X 的行数。较大的 n_components 将提高近似的准确性，但代价是更长的训练时间。

persist_embedding布尔值

是否持久化用于聚类的中间 n_samples x n_components 数组。

kmeans_params字符串到任意类型的字典，可选

用于最终聚类的 KMeans 聚类算法的关键字参数。

属性
assign_labels_估计器

用于分配标签的 KMeans 估计器实例

labels_dask.array.Array，大小 (n_samples,)

分配的聚类标签

eigenvalues_numpy.ndarray

采样点 SVD 的特征值

注意

使用 persist_embedding=True 可以是一种重要的优化，以避免一些冗余计算。这会将馈送到聚类算法的数组持久化到（分布式）内存中。该数组的形状为 n_samples x n_components。

参考文献

方法

fit_predict(X[, y])

在 X 上执行聚类并返回聚类标签。

get_metadata_routing()

获取此对象的元数据路由。

get_params([deep])

获取此估计器的参数。

set_params(**params)

设置此估计器的参数。

fit
__init__(n_clusters=8, eigen_solver=None, random_state=None, n_init='auto', gamma=1.0, affinity='rbf', n_neighbors=10, eigen_tol=0.0, assign_labels='kmeans', degree=3, coef0=1, kernel_params=None, n_jobs=1, n_components=100, persist_embedding=False, kmeans_params=None)

上一页

dask_ml.cluster.KMeans

下一页

dask_ml.decomposition.IncrementalPCA