聚类算法，KMeans

聚类算法为无监督

聚类算法追求“簇内差异小，簇外差异大”，而差异由样本点到其所在的簇的质心的距离来衡量。通过欧几里得、曼哈顿距离和余弦距离度量。

1.KMeans中不存在损失，样本点到簇心的距离是聚类算法的评估指标，不是损失函数。损失函数本质是用来衡量模型的拟合效果的，只有有着求解参数需求的算法，才有损失函数。决策树和KNN有衡量分类效果指标准确度，准确度对应的损失叫泛化误差，但不能通过最小化泛化误差来求解某个模型需要的信息，只是希望模型的效果表现出来的泛化误差很小，所以决策树，KNN也不存在损失函数。

2.聚类算法的模型评估指标

不同于分类模型和回归，聚类算法的模型评估不是一件简单的事。在分类中，有直接结果（标签）的输出，并且分类的结果有正误之分，所以我们使用预测的准确度，混淆矩阵，ROC曲线等等指标来进行评估，但无论如何评估，都是在”模型找到正确答案“的能力。而回归中，由于要拟合数据，我们有SSE均方误差，有损失函数来衡量模型的拟合程度。但这些衡量指标都不能够使用于聚类。

而将一个数据集中的所有簇的簇内平方和相加，就得到了整体平方和（Total Cluster Sum of
Square），又叫做total inertia。平方和是用距离衡量簇内差异的指标，但是这个指标来衡量聚类算法缺点和极限极大。

2.1当样本有真实聚类情况的数据，可以对于聚类算法的结果和真实结果来衡量聚类的效果：常用的有互信息分、V-measure和调整兰德系数

2.2当真实标签未知的时候：轮廓系数

在99%的情况下，我们是对没有真实标签的数据进行探索，也就是对不知道真正答案的数据进行聚类。这样的聚类，是完全依赖于评价簇内的稠密程度（簇内差异小）和簇间的离散程度（簇外差异大）来评估聚类的效果。其中轮廓系数是最常用的聚类算法的评价指标。它是对每个样本来定义的，它能够同时衡量：
1）样本与其自身所在的簇中的其他样本的相似度a，等于样本与同一簇中所有其他点之间的平均距离
2）样本与其他簇中的样本的相似度b，等于样本与下一个最近的簇中的所有点之间的平均距离
根据聚类的要求”簇内差异小，簇外差异大“，我们希望b永远大于a，并且大得越多越好。

2.3 当真实标签未知的时候：Calinski-Harabaz Index

除了轮廓系数是最常用的，我们还有卡林斯基-哈拉巴斯指数（Calinski-Harabaz Index，简称CHI，也被称为方差比标准），戴维斯-布尔丁指数（Davies-Bouldin）以及权变矩（Contingency Matrix）可以使用。

 比起轮廓系数，有个大的优点就是计算非常迅速。

3.重要参数涉及到代码部分，后面有空更

4.重要属性和接口，涉及到代码部分，后面有空更

6.核心函数，cluster.k_means类

7.案例实践，涉及到很多代码，有空回来更