21、python的K-means聚类分析方法案例代码

1、聚类分析

是按照个体的特征将他们分类，让同一个类别内的个体之间具有较高的相似度，不同类别之间具有较大的差异性；

2、基本理论

Kmeans：K表示算法当中类的个数

Means 均值算法：K-means 使用均值算法把数据分成k个类别的算法

Kmeans算法：kmeans算法的目标，是把n个样本点划分到k个类中，使得每个点都属于离他最近的质心对应的类，以此作为聚类的标准

质心：是指一个类，内部所有样本点的均值

3、步骤

# 第一步
取得K个初始质心：从数据中随机抽取k个点作为初始聚类的中心，由这个中心代表各个类

# 第二步
根据欧式距离最小原则，把每个点划分配进距离最近的类中
# 第三步
重新计算质心：根据均值等方法，重新计算每个类的质心
# 第四部
迭代计算质心：重复第二步和第三步，迭代计算质心
# 第五步
聚类完成：聚类中心不再发何时能移动

4、聚类方法

sklearn.cluster.Kmeans(n_cluster=8)

    n_clusters 要聚类的个数
    
fit（date） 训练模型

     data 训练数据

predict（data） 预测

    data 需要预测的数据

5、案例代码

# 目的：识别站点应用最广泛的模型是通过：流水、费比roi、当周销转、跨期销转 网销 销转 

import pan