基础算法----- K-means

K-means算法原理

K-means概述

K-means就是将无标签数据分组

质心：簇内x求平均，y求平均，均值就是质心。
优化目标：簇内距离最小，簇间距离最小

K-means算法聚类步骤

a：选取K：观察有有几堆（也可以按照业务知识或者其他方式选择K）。
b：随机选取初始质心：需要多次计算。
c：计算所有点距离初始质心的欧式距离：如果离红色初始质心距离更近，这个点就属于红色簇；离蓝色初始质心更近则归为蓝色簇。
d：调整质心：计算红色簇所有点x和y方向求均值，得到新的质心，蓝色同理。
e：调整数据点的簇归类：重复c步骤，重新归类
f：再次调整质心：重复d
。。。。。反复多次迭代

K-means聚类流程可视化展示

可视化网站
https://www.naftaliharris.com/blog/visualizing-k-means-clustering/

K-means中API参数详解

【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，防止出现偶然的极端错误。
max_iter :
执行一次k-means算法所进行的最大迭代数，迭代次数可以稍微大一些。
Tol: 与inertia结合来确定收敛条件（迭代终止条件）。
precompute_distances：三个可选值，‘auto’，True 或者 False。
预计算距离，计算速度更快但占用更多内存。
(1)‘auto’：如果 样本数乘以聚类数大于 12million 的话则不预计算距离。
(2)True：总是预先计算距离。
(3)False：永远不预先计算距离。
verbos