【论文必用】模糊C均值聚类的简单介绍、复现及Python代码详解、聚类可视化图的绘制过程详解！

一、聚类

        聚类的定义： 将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其它簇中的对象相异。聚类分析起源于分类学，但是聚类不等于分类。聚类与分类的不同在于，聚类所要求划分的类是未知的。

        聚类可以是硬聚类，也可以是软聚类。 在硬聚类中，每个对象被确定地归入一个簇；在软聚类中，每个对象与每个簇都存在一定的从属程度（隶属度），只不过该程度有大有小。

        本博客主要为大家讲解软聚类中的模糊C均值聚类（Fuzzy C-means Clustering, FCM）。

二、模糊C均值聚类

        模糊C均值聚类（Fuzzy C-means Clustering, FCM），是一种引入模糊理论的聚类算法。在该算法中，用隶属度来表示一个样本属于某一类的概率，因为在许多情况下，多个类别的界限并不绝对。相比于如K-means的硬聚类，FCM得到的聚类结果更加灵活。

        FCM通过最小化如下目标函数来实现聚类。