Python scikit-learn，非监督学习 (没有目标值)，k-means聚类算法，KMeans

k-means，k表示聚类的目标类别数(如果不知道,就是超参数)

一般应用中是先进行k-means聚类，然后再进行分类预测。

---

demo.py（k-means聚类，通过轮廓系数进行评估）：

import pandas as pd
from sklearn.decomposition import  PCA
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score


# K-means 聚类   根据用户商品订单数据进行聚类。预测用户对某商品的喜好程度。
data = pd.read_csv("./demo.csv")

# 特征降维  PCA主成分分析
pca = PCA(n_components=0.9)  # 保留90%的信息
data = pca.fit_transform(data)
print(data.shape)  # (500, 27)   500个样本，降维到27个特征