sklearn.cluster常用API介绍(KMeans,MiniBatchKMeans)

问题：对于给定的数据集{x1,x2...xn}，如何根据样本点自身的数据特性实现分类，也就是在没有标签的情况下将距离较近的数据点划分到同一类，假设这个类别就是他们的标签。也就是解决如下问题：

通过计算机来将人类可以迅速分类的点群划分出来。

这里介绍几个常用的求点到中心距离公式：

1）Minkowski Distance 公式 —— λ 可以随意取值，可以是负数，也可以是正数，或是无穷大。

2）Euclidean Distance 公式 —— 也就是第一个公式 λ=2 的情况

3）CityBlock Distance 公式 —— 也就是第一个公式 λ=1 的情况