【K-means聚类是如何实现的？】

基本概念

1. 聚成多少个簇:需要指定K的值
2. 距离的度量:-般采用欧式距离
3. 质心:各向量的均值
4. 优化目标：
   

聚类效果的评价方式

轮廓系数：

• a(i)：对于第i个元素xi,计算xi与其同一个簇内所有其他元素距离的平均值，表示了簇内的凝聚程度。
• b(i)：选取xi外的一个簇，计算xi与该簇内所有点距离的平均距离，遍历其他所有簇，取所有平均值中最小的一个，表示簇间的分离度。

计算所有x的轮廓系数，求出平均值即为当前聚类的整体轮廓系数。

1. 轮廓系数范围在[-1,1]之间。该值越大，越合理。
2. si接近1，则说明样本i聚类合理;
3. si接近-1，则说明样本i更应该分类到另外的簇;
4. 若si 近似为0，则说明样本i在两个簇的边界上。

K-means聚类参数介绍

class sklearn.cluster.KMeans(n_clusters=8,
init=’k-means++’,
n_init=10,
max_iter=300,
tol=0.0001,
precompute_distances=’auto’,
verbose=0,
random_state=None,
copy_x=True,
n_jobs=None,
algorithm=’auto’)[source]

【参数】：

• n_clusters: 类中心的个数,就是要聚成几类。【默认是8个】

• init：参初始化的方法，默认为’k-means++’

  1. ‘k-means++’: 用一种特殊的方法选定初始质心从而能加速迭代过程的收敛.
  2. ‘random’: 随机从训练数据中选取初始质心。
  3. 如果传递的是一个ndarray，则应该形如 (n_clusters, n_features) 并给出初始质心。

• n_init: 整形，缺省值=10
  用不同的质心初始化值运行算法的次数，最终解是在inertia意义下选出的最优结果。

• max_iter :执行一次k-means算法所进行的最大迭代数。

• Tol: 与inertia结合来确定收敛条件。