K-Means算法

1. 算法思想

        K-Means算法，也称为K-均值算法，是一种无监督算法，即数据集无标签。一般做法是，往往先对数据进行聚类，根据聚类结果将每个簇定义为一个类，然后再基于这些类训练分类模型，输入测试样本判断类别。

         聚类就是将数据集中的样本划分到指定数量的互不相干的子集中，每个子集就是一个簇。

2. 算法流程

                                                图片取自《机器学习》周志华

3. 算法的优缺点

优点：

1. 算法简单，易于理解和实现；

2. 当簇接近高斯分布时，聚类效果较好；

缺点：

1. 类别数，即K需要实现指定，有时难以正确估计到此值；

2. 当数据量较大时，由于需计算样本之间的距离，计算量；

3. 初始的均值向量是随机选取的，此选取情况对后续结果影响较大；

4. 当存在异常点时，使得均值向量发生偏移，导致结果精度下降；

4. 代码实现

1. 训练数据使用鸢尾花数据集

2. 计算样本的距离使用的是欧式距离法

3. 对比自编K-Means与sk