KMeans avec scikit-learn

L'estimateur

from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline
pipe = make_pipeline(StandardScaler(), KMeans(n_clusters=2, n_init=10, random_state=0))
labels = pipe.fit_predict(X)
print(pipe.named_steps["kmeans"].cluster_centers_)

n_clusters = k supposé, n_init = relances pour éviter un minimum local, random_state noté. Mise à l'échelle dans le pipeline : sans elle, la colonne aux grands nombres décide seule.

Données jouets explicites

Pas de sklearn.datasets dans ce cursus : les lunes et anneaux de l'atelier sont générés en numpy (angles + bruit, graine fixée). Ce qui est généré à la main est compris ; ce qui sort d'un générateur magique ne l'est pas.