K-means算法及python sklearn实现

目录

K-means算法

前言

K-Means算法的概述

K-Means算法的基本原理

K-Means与矩阵分解

实例推演

1、数据准备

2、随机选取重心

3、重新计算重心

4、重复计算

 K值的确定

聚类评估：轮廓系数（Silhouette Coefficient ）

k-means的优缺点

sklearn中对于kmeans算法的参数

sklearn实例实现

轮廓系数

---

K-means算法

前言

根据训练样本是否包含标签信息，机器学习可以分为监督学习和无监督学习。聚类算法是典型的无监督学习，其训练样本中只包含样本特征，不包含样本的标签信息。在聚类算法中，利用样本的特征，将具有相似属性的样本划分到同一类别中。

K-means算法，也被称为K-均值或K-平均算法，是一种广泛使用的聚类算法。K-means算法是基于相似性的无监督的算法，通过比较样本之间的相似性，将较为相似的样本划分到同一类别中。由于K-means算法简单、易于实现的特点， K-means算法得到了广泛的应用。