##K-means

import numpy as np
import pandas as pd
from sklearn.cluster import KMeans

#1.导入数据
#data = pd.read_csv(’’)

#2.数据预处理
#略，最终生成x_train,x_test

x_train = np.array([[1, 2, 3], [1, 4, 6], [1, 0, 9], [4, 6, 1], [7, 8, 9], [4, 5, 6], [5, 1, 3], [5, 6, 2], [6, 2, 1]])

#3.模型训练
model = KMeans(n_clusters=3, random_state=0)
model.fit(x_train)

#4.模型预测
x_test = np.array([[1, 2, 3], [1, 4, 6], [1, 0, 9]])
y_predict = model.predict(x_test)

print(y_predict)

#参数列表与调参方法

KMeans(n_clusters=8, init=’k-means++’, n_init=10, max_iter=300, tol=0.0001,
precompute_distances=’auto’, verbose=0, random_state=None, copy_x=True, n_jobs=None, algorithm=’auto’)

#n_clusters ： int，可选，默认值：8，要形成的簇数以及要生成的质心数。

#init ： {‘k-means ++’，‘random’或ndarray}
初始化方法，默认为’k-means ++’：
‘k-means ++’：以智能方式选择初始聚类中心进行k均值聚类，以加速收敛。有关更多详细信息，请参阅k_init中的注释部分。
‘random’：从初始质心的数据中随机选择k个观测值（行）。
如果传递了ndarray，它应该是自定义数组（n_clusters，n_features）并给出初始中心。

#n_init ： int，默认值：10
使用不同质心种子运行k-means算法的时间。在惯性方面，最终结果将是n_init连续运行的最佳输出。

#max_iter ： int，默认值：300
单次运行的k-means算法的最大迭代次数。

#tol ： float，默认值：1e-4
关于声明收敛的惯性的相对容差

#precompute_distances ： {‘auto’，True，False}
预计算距离（更快但需要更多内存）。
‘auto’：如果n_samples * n_clusters> 1200万，请不要预先计算距离。这相当于使用双精度的每个作业大约100MB的开销。
True：始终预先计算距离
False：从不预先计算距离

#verbose ： int，默认值为0
详细模式。

#random_state ： int，RandomState实例或None（默认）
确定质心初始化的随机数生成。使用int可以使随机性具有确定性。

#copy_x ： 布尔值，可选
当预先计算距离时，首先使数据居中在数值上更准确。如果copy_x为True（默认值），则不修改原始数据，确保X是C连续的。
如果为False，原始数据被修改，并在函数返回之前返回，但是可以通过减去然后添加数据均值来引入小的数值差异，
在这种情况下，它也不能确保数据是C连续的，这可能导致显着放缓。

#n_jobs ： int或None，可选（默认=无）
用于计算的作业数。这通过并行计算每个n_init运行来工作。
None除非在joblib.parallel_backend上下文中，否则表示1 。 -1表示使用所有处理器。

#algorithm : “auto”, “full” or “elkan”, default=”auto”
K-means算法使用。经典的EM风格算法是“full”。通过使用三角不等式，“elkan”变体更有效，但目前不支持稀疏数据。
“auto”选择“elkan”表示密集数据，“full”表示稀疏数据。