如何获取模型属性列表（不是传递给 Estimator 类的超参数）？
例如：
kmeans = KMeans(n_clusters=5)
kmeans.fit(X)
kmeans.labels_
如何从模型对象（以_结尾）获取标签等属性列表？
如何在 scikit learn 中获取模型属性（不是超参数）
数据挖掘
机器学习
scikit-学习
聚类
2022-02-23 15:31:02
4个回答
我相信您正在尝试在拟合数据之前访问“labels_” 。
from sklearn.cluster import KMeans
import numpy as np
X = np.array([[1, 2], [1, 4], [1, 0],
[10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
def get_properies(model):
return [i for i in model.__dict__ if i.endswith(‘_’)]
get_properies(kmeans)
['n_clusters'，'init'，'max_iter'，'tol'，'precompute_distances'，'n_init'，'verbose'，'random_state'，'copy_x'，'n_jobs'，'算法'，'cluster_centers_'，'标签_'，'惯性_'，'n_iter_']
您可以从相应算法的 sklearn 页面中找到算法的属性列表。
对于 Kmeans：
Attributes
cluster_centers_ :ndarray of shape (n_clusters, n_features)
Coordinates of cluster centers. If the algorithm stops before fully converging (see tol and max_iter), these will not be consistent with labels_.
labels_ :ndarray of shape (n_samples,)
Labels of each point
inertia_ :float
Sum of squared distances of samples to their closest cluster center.
n_iter_ :int
Number of iterations run.
参考：https ://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
我认为您的问题是如何找到模型的属性（参数是用于调整模型的参数）。
您可以在属性部分的该模型的 Scikit-learn 文档中找到模型属性。
K-Means 的属性：
cluster_centers_: ndarray of shape (n_clusters, n_features) 集群中心的坐标。如果算法在完全收敛之前停止（参见 tol 和 max_iter），这些将与 label_ 不一致。
labels_: ndarray of shape (n_samples,) 每个点的标签
惯性_：样本到最近的聚类中心的距离平方和。
n_iter_：运行的迭代次数。
当你拟合模型时（比如说回归）
model.fit(x,y)
要获取模型参数，您可以尝试
model.params_
这给出了 y=b0+b1*x 中 b0,b1 的值