k-means

文章目录 概述 原理 示例 Sklearn实现 聚类效果的评估 KMeans存在的几个问题 初始重心选择 K值选择 基于密度聚类（DBSCAN） mini batch kmeans 参考 概述 k-means算法是一种聚类算法，所谓聚类，是指在数据中发现数据对象之间的关系，将数据进行分组，组内的相似性越大，组间的差别越大，则聚类效果越好。 聚类算法与分类算法不同，聚类算法属于无监督学习，通俗来讲：分类就是向事物分配标签，聚类就是将相似的事物放在一起。 聚类算法通常用来寻找相似的事物，比如：银行寻找优质客户，信用卡诈骗，社交划分社区圈等等。 原理 首先K-means中的K类似与KNN中的参数K，是指将数据聚类成K个类别。 算法原理： 先从没有标签的元素集合A中随机取K个元素，作为K个子集各自的重心。 分别计算剩下的元素到K个子集重心的距离，根据距离将这些元素分别划归到最近的子集。（这里的距离可以使用欧式距离或其他的距离量度） 根据聚类结果，重新计算重心（即子集中所有元素各个维度的算数平均数） 将集合A中全部元素按照新的中心然后再重新聚类 重复第4步，直到聚类结果不再发生变化。 示例 看着算法的步骤有点懵逼，我们来看个简单的例子。 1.假设画布上有四个点，如下： 我们想将其聚类成两类，首先我们先随机选取两个点，比如A,B两点选取两个类别的重心点，然后分别计算所有元素到这两个重心的距离