机器学习之K-Means（聚类分析）

K-Means属于非监督分类，在数据聚类中是相对容易也是非常经典的算法。通常用在大量数据需要进行分类的时候。K表示要把数据分类K类。

其计算步骤为（以K=3为例）：

1、随机在数据当中抽取3个样本，当做三个类别的中心点（绿、红、蓝）。

2、其次，计算其余的点分别到这三个中心点的距离，这样每一个样本都会有三个距离，从中选出距离（欧式距离）最近的一个点最为自己的标记，形成三个族群。

 3、然后，分别计算这三个族群的平均值，例如：A（x1，y1），B（x2，y2）两个点的平均值为（(x1+x2)/2, (y1+y2)/2）。把三个平均值与之前的三个旧中心点比较，如果都相同，那么久结束聚类；如果不相同，把这三个平均值当做新的中心店，重复第二步。

API： sklearn.cluster.KMeans

 评估标准：轮廓系数

 API：

 以python官方自带的数据集为例：

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
from sklearn.datasets import load_digits

def kmeans():
    """
    手写数字聚类过程
    :return: None
    """
    ld = load_digits()
    print(ld.target[:20])

    #进行聚类
    km = KMeans(n_clusters= 8)
    km.fit_transform(ld.data)
    print(km.labels_[:20])
    print('轮廓系数为：', silhouette_score(ld.data, km.labels_))

    return None

if __name__ == "__main__":
    kmeans()

 最后轮廓系数大于0，应该算是不错的效果。

K-Means聚类方法的缺点应该比较明显，就是有一个超参数K，有时候在进行聚类时往往不知道K的值。