机器学习 · 函数

训练聚类

训练 K-Means 聚类模型。

调用签名(特征, 簇数: 'int' = 3, **选项)

训ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 训练聚类
设 结果 = 机器学习.训练聚类(
    特征=[1, 2, 3, 4],  # 必填；按函数业务含义传入 特征;首次使用建议先 打印(...
    簇数=3,  # 可选；整数类型的 簇数 参数,按函数业务含义传入对应数...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

特征可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入特征;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '特征';检查调用是否漏了这行

簇数可选 · 默认 3

int位置参数或字段名=值

整数类型的簇数参数,按函数业务含义传入对应数值。

常见错误：传非整数会报 TypeError;按整数类型传值

选项可选 · 默认不传则为空

未声明可变关键字参数，用 **字典展开

额外关键字参数，用字典形式展开传入。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 训练聚类
设 结果 = 机器学习.训练聚类(
    特征=[1, 2, 3, 4],  # 必填；按函数业务含义传入 特征;首次使用建议先 打印(...
    簇数=3,  # 可选；整数类型的 簇数 参数,按函数业务含义传入对应数...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

# 进阶组合:训练聚类 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.训练聚类(
    特征=[1, 2, 3, 4],  # 必填
    簇数=3,  # 可选
    **[1, 2, 3, 4],  # 选项
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 1 个必填参数

## 参数 1: 特征
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.训练聚类()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.训练聚类(特征=[1, 2, 3, 4])
打印(结果)