K-Means聚类分析

K-Means聚类分析

概述

聚类分析是在数据中发现数据对象之间的关系，将数据进行分组，组内的相似性越大，组间的差别越大，则聚类效果越好。

聚类旨在发现有用的对象簇，在现实中我们用到很多的簇的类型，使用不同的簇类型划分数据的结果是不同的，关于更多的簇介绍参考《数据挖掘导论》。

K-Means是基于原型的、划分的距离技术，它试图发现用户指定个数的簇。

K-Means算法

算法思想较为简单：

选择K个点作为初始质心  
repeat  
    将每个点指派到距离其最近的质心  
    重新计算簇的质心  
until 簇不发生变化或达到最大迭代次数 

k均值算法非常简单且使用广泛，但是其有主要的两个缺陷： 
1. K值需要预先给定，属于预先知识，很多情况下K值的估计是非常困难的。 
2. K-Means算法对初始选取的聚类中心点是敏感的，不同的随机种子点得到的聚类结果完全不同 

3. K均值算法并不是很所有的数据类型。它不能处理非球形簇、不同尺寸和不同密度的簇。

K-Means算法实验示例

import numpy as np
import matplotlib.pyplot as plt

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

plt.figure(figsize=(12, 12))
n_samples = 1500
random_state = 170

X,Y = make_blobs(n_samp