MeanShift `fit` 与 `fit_predict` scikit learn

Suppose X是数组的典型形式。给定代码。

from sklearn.cluster import MeanShift
ms = MeanShift(bin_seeding=True,cluster_all=False)
ms.fit(X)

一旦我这样做了，ms有两个属性：labels_ and cluster_centers_. 所以我的第一个问题是......有什么意义ms.fit_predict(X) or ms.predict(X)因为我们已经有了 X 的分类，我们可以从中读取labels_?

主要的区别在于，当你说，ms.fit(X) , X是您的标记数据集/训练数据集。说ms.fit_predict(X') , X'是您的未标记/测试数据集。即，您正在预测未标记的数据集fit_predict. i.e, fit(X)执行聚类，同时，fit_predict，为您提供聚类标签。没有什么像，ms.predict(X), on sklearn.cluster.mean_shift_.MeanShift目的。 也可以看看，dir(ms)为此，如下。

>>> help(ms.fit)
Help on method fit in module sklearn.cluster.mean_shift_:

fit(self, X) method of sklearn.cluster.mean_shift_.MeanShift instance
    Perform clustering.

    Parameters
    -----------
    X : array-like, shape=[n_samples, n_features]
        Samples to cluster.

>>> help(ms.fit_predict)
Help on method fit_predict in module sklearn.base:

fit_predict(self, X, y=None) method of sklearn.cluster.mean_shift_.MeanShift instance
    Performs clustering on X and returns cluster labels.

    Parameters
    ----------
    X : ndarray, shape (n_samples, n_features)
        Input data.

    Returns
    -------
    y : ndarray, shape (n_samples,)
        cluster labels


dir(ms)
['__class__', '__delattr__', '__dict__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__module__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', '_get_param_names', 'bandwidth', 'bin_seeding', 'cluster_all', 'fit', 'fit_predict', 'get_params', 'min_bin_freq', 'seeds', 'set_params']

With ms具有属性为_labels & _cluster_centers, with X数据，然后您可以使用标准的错误分类惩罚技术来估计模型的优点。你不能再估计了fit_predict，因为你只会得到标签，而不是聚类中心。因此，实际上，您可以根据自己的优点标准来设计聚类中心。