常见聚类方法

常见的聚类方法：K-Means，层次聚类，基于密度的聚类

1.K-Means（K均值）聚类

算法步骤：
(1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。
(2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。
(3) 计算每一类中中心点作为新的中心点。
(4) 重复以上步骤，直到每一类中心在每次迭代后变化不大为止。也可以多次随机初始化中心点，然后选择运行结果最好的一个。
下图演示了K-Means进行分类的过程：

优点：速度快，计算简便
缺点：我们必须提前知道数据有多少类/组。

2.基于密度的聚类算法（如：DBSCAN）

详细讲解：https://blog.csdn.net/liudongdong19/article/details/80968459

其核心思想就是先发现密度较高的点，然后把相近的高密度点逐步都连成一片，进而生成各种簇。算法实现上就是，对每个数据点为圆心，以eps为半径画个圈（称为邻域ep