我正在从视频中使用kmeans聚类技术，但是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
答案 0 :(得分：0)
因为斯克莱恩人很早就决定一切应该具有fit(X, y)和predict(X)功能。由于向后兼容，它可能不会改变。
对于群集没有太大意义，它不使用y（由于忽略，默认为None）。而且，在实际的用例中，您都不希望使用聚类替换分类器。
尽管如此，您有时还是需要运行算法。在构造函数中执行此操作是一种反模式（因此KMeans(n_clusters=5, data=X)是禁止操作），因此您将必须调用某些方法。然后，您也可以将其称为fit，至少适合于基于优化的方法，例如k-means。
但是，您可以简单地使用方法k_means(X, n_clusters=5)而不是使用类。然后它将是一行（请参见fit的源代码作为示例）。
答案 1 :(得分：0)
公里数是您定义的模型。
要训练我们的模型，我们在此处使用 kmeans.fit（）。
中的参数
kmeans.fit（参数）
是需要聚类的数据集。
使用
之后fit（）函数
我们的模型已经准备就绪。
并且我们使用
获得该集群的标签data_labels = kmeans.labels _