为什么我们在 kmeans 聚类方法中使用 kmeans.fit 函数？
why we use kmeans.fit function in kmeans clustering method?
我正在使用视频中的 kmeans 聚类技术，但我不明白为什么我们在 kmeans 聚类中使用 .fit 方法？
kmeans = KMeans(n_clusters=5, random_state=0)
kmeans.fit(X) //why we use this fit method here
因为 sklearn 的人很早就决定 所有东西 都应该有 fit(X, y) 和 predict(X) 函数。而且它可能不会改变，因为向后兼容...
对于不使用y（默认为None，因为它被忽略）的聚类没有多大意义。并且没有真正的用例，您想要 drop-in 用集群替换 classifier。
不过，您有时会需要 运行 算法。在构造函数中执行此操作是 anti-pattern（因此 KMeans(n_clusters=5, data=X) 是 no-no），因此您将不得不调用一些方法。您也可以将其称为 fit，这至少适用于基于优化的方法，例如 k-means.
但是，您可以简单地使用方法 k_means(X, n_clusters=5) 而不是使用 class。那么它将是单行（示例参见fit的源代码）。
kmeans 是您定义的模型。
要训练我们的模型，我们在这里使用kmeans.fit()。
中的参数
kmeans.fit(argument)
是我们需要聚类的数据集。
使用后
fit() function
我们的模型准备好了。
然后我们使用
为该集群获得 标签
data_labels = kmeans.labels_
我正在使用视频中的 kmeans 聚类技术，但我不明白为什么我们在 kmeans 聚类中使用 .fit 方法？
kmeans = KMeans(n_clusters=5, random_state=0)
kmeans.fit(X) //why we use this fit method here
因为 sklearn 的人很早就决定 所有东西 都应该有 fit(X, y) 和 predict(X) 函数。而且它可能不会改变，因为向后兼容...
对于不使用y（默认为None，因为它被忽略）的聚类没有多大意义。并且没有真正的用例，您想要 drop-in 用集群替换 classifier。
不过，您有时会需要 运行 算法。在构造函数中执行此操作是 anti-pattern（因此 KMeans(n_clusters=5, data=X) 是 no-no），因此您将不得不调用一些方法。您也可以将其称为 fit，这至少适用于基于优化的方法，例如 k-means.
但是，您可以简单地使用方法 k_means(X, n_clusters=5) 而不是使用 class。那么它将是单行（示例参见fit的源代码）。
kmeans 是您定义的模型。
要训练我们的模型，我们在这里使用kmeans.fit()。
中的参数kmeans.fit(argument)
是我们需要聚类的数据集。
使用后
fit() function
我们的模型准备好了。
然后我们使用
为该集群获得 标签data_labels = kmeans.labels_