无监督学习——kmeans

关键词：聚类，K-means，scikit-learn，python

摘要：本文主要介绍聚类、K-means的概念和结果评估，以及使用python进行聚类分析的方法；

---

1. 要点总结

   1. 了解无监督学习以及聚类概念；

   2. K-means的实现过程，肘部法则确定超参数K，利用平均畸变程度和轮廓系数评估聚类效果；

2. 基本概念

   1. 聚类（clustering）

      1. 属于无监督学习，可以找出不带标签数据的相似性的算法；

      2. 概念：将更具相似性的样本归为一类（cluster），同组中的样本比其他租的样本更相似；

      3. 应用：市场调查中对用户分组、社交网络识别社区、推荐系统、寻找相似模式的基因组；

   2. K-means聚类算法

      1. 实现过程：

         1. 指定聚类的数量 K
         2. 初始化，指定第 k 个类的重心位置 uk ；（实际中，为避免局部最优解，需要从不同位置开始初始化，取最小成本函数对应的重心位置作为初始化位置）
         3. 遍历每一个元素 xi ，计算该元素到各个类重心 uk 的距离，将该元素划分到距其最近的类；
         4. 计算重新生成类的重心；
         5. 重复3-4，直至各个类的重心位置不再变化（成本函数值的差达到了限定值，或者前后两次迭代的重心位置变化达到了限定值）；

      2. 超参数K：表示类的数量，需要人为指定，K-means不能决定要分几个类；

      3. 肘部法则（elbow method）： 可用于估计聚类数量；把不同K值的成本