（A）一般的なメソッドのパラメータ
1.一般的な手順
-
get_params([deep])：モデルのパラメータを返します。deep：場合はTrue、子オブジェクトモデルパラメータを返すことができます。
-
set_params(**params)：モデルのパラメータ。params：キーワードのパラメータが設定されます。
-
fit(X[, y, sample_weight])：トレーニングモデル。X：サンプルセット。典型的にはnumpy array、各行はサンプルを表し、各列が一つの特徴を表しています。y：ラベルのサンプル収集。それとX各行に相当します。sample_weight：サンプル重量の。その形状は[n_samples,]、各要素はサンプルの重量を表します。
-
predict(X, sample_weight)：各サンプルが属するクラスタのラベルを返します。X：サンプルセット。典型的にはnumpy array、各行はサンプルを表し、各列が一つの特徴を表しています。sample_weight：サンプル重量の。その形状は[n_samples,]、各要素はサンプルの重量を表します。
-
fit_predict(X[, y, sample_weight])：トレーニングモデルと各サンプルが属するラベルクラスタのクラスタ、リターンを実装します。X：サンプルセット。典型的にはnumpy array、各行はサンプルを表し、各列が一つの特徴を表しています。y：ラベルのサンプル収集。それとX各行に相当します。sample_weight：サンプル重量の。その形状は[n_samples,]、各要素はサンプルの重量を表します。
-
transform(X)：データセットXへの切り替えcluster center space。cluster center space寸法、試料は、各クラスタの中心からの距離です。X：サンプルセット。典型的にはnumpy array、各行はサンプルを表し、各列が一つの特徴を表しています。
-
fit_transform(X[, y, sample_weight])：トレーニングモデルとクラスタリングの実装、データセットXへの切り替えcluster center space。X：サンプルセット。典型的にはnumpy array、各行はサンプルを表し、各列が一つの特徴を表しています。y：ラベルのサンプル収集。それとX各行に相当します。sample_weight：サンプル重量の。その形状は[n_samples,]、各要素はサンプルの重量を表します。
2.通用参数
-
n_jobs：正の数、および指定されたフォーム、指定タスクCPUの数を。もし
-1あなたがすべての利用可能なを使用しますCPU。 -
verbose：正の数。開口部のための/中間の反復出力ログ関数を閉じます。- 値が大きいほど、より多くのログを詳細に説明しました。
- 0またはの値
None無効ログ出力。
-
max_iter：反復の最大数を指定する整数。場合は
None、デフォルト値（異なると比べてsolver異なるデフォルト値）。 -
tol：浮動小数点数は、閾値アルゴリズムの収束を指定します。 -
random_state：整数またはRandomStateインスタンス、またはNone。- 整数の場合は、乱数シードジェネレータを指定します。
- 場合
RandomStateの例は、乱数ジェネレータを指定します。 - それがある場合は
None、デフォルトの乱数発生器。