(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。