语法
sklearn.cluster.KMeans(n_clusters=8, # 簇的个数， 默认为 8
init='k-means++', # 初始簇中心的获取方法
n_init=10, # 初始簇中心的更迭次数， 默认为 10
max_iter=300, # 最大迭代次数，默认为 300
tol=0.0001, # 容忍度，即kmeans运行准则收敛的条件
precompute_distances='auto', # 是否需要提前计算距离
verbose=0, # 冗长模式
random_state=None, # 随机生成簇中心的状态条件
copy_x=True,
n_jobs=1, # CPU 内核并行数， 默认为 1
algorithm='auto' # kmeans的实现算法，有：’auto’, ‘full’, ‘elkan’, 其中 ‘full’表示用EM方式实现
)
具体的参数含义：
n_clusters:簇的个数，即你想聚成几类
init: 初始簇中心的获取方法
n_init: 获取初始簇中心的更迭次数，为了弥补初始质心的影响，算法默认会初始10次质心，实现算法，然后返回最好的结果。
max_iter: 最大迭代次数（因为kmeans算法的实现需要迭代）
tol: 容忍度，即kmeans运行准则收敛的条件
precompute_distances：是否需要提前计算距离，这个参数会在空间和时间之间做权衡，如果是True 会把整个距离矩阵都放到内存中，auto 会默认在数据样本大于featurs*samples 的数量大于12e6 的时候False,False 时核心实现的方法是利用Cpython 来实现的
verbose: 冗长模式（不太懂是啥意思，反正一般不去改默认值）
random_state: 随机生成簇中心的状态条件。
copy_x: 对是否修改数据的一个标记，如果True，即复制了就不会修改数据。bool 在scikit-learn 很多接口中都会有这个参数的，就是是否对输入数据继续copy 操作，以便不修改用户的输入数据。这个要理解Python 的内存机制才会比较清楚。
n_jobs: 并行设置
algorithm: kmeans的实现算法，有：’auto’, ‘full’, ‘elkan’, 其中 ‘full’表示用EM方式实现
相关阅读：