Scikit-learn，KMeans：如何使用 max_iter

Posted 2023-03-12

【中文标题】Scikit-learn，KMeans：如何使用 max_iter

【英文标题】：Scikit-learn, KMeans: How to use max_iter

【发布时间】：2017-04-15 22:07:40

【问题描述】：

我想了解sklearn.cluster.KMeans类中的参数max_iter。

根据文档：

max_iter : int, default: 300
Maximum number of iterations of the k-means algorithm for a single run.

但在我看来，如果我有 100 个对象，则代码必须运行 100 次，如果我有 10.000 个对象，则代码必须运行 10.000 次才能对每个对象进行分类。 另一方面，在所有对象上运行多次是没有意义的。

我的误解是什么？我该如何解释这个参数？

【参考方案1】：

看这里：

https://www.naftaliharris.com/blog/visualizing-k-means-clustering/

每次单击更新质心时，都会执行一次新的迭代。这是有道理的，因为当质心移动时，到这些质心的距离也会发生变化，并且某些点可能会改变聚类。

【讨论】：

谢谢！似乎 k-means 与 sklearn 和 Mac Queen 之间存在差异（他的出版物第 283 页：projecteuclid.org/download/pdf_1/euclid.bsmsp/1200512992）

可以说max_iter的值越大，得到的结果越好吗？

【参考方案2】：

是的，您误解了参数。

一次迭代是遍历整个数据集。如果您有 100 个对象，则一次迭代分配 100 个点。如果你有 10000 个对象，一次迭代会处理 10000 个对象。

还有更聪明的算法；但是 sklearn k-means 在每次迭代中都会处理每个对象。