聚类算法

聚类：

分类算法回归算法属于监督学习

非监督学习（无监督学习）
数据集合：没有目标值

聚类算法：

特征值
根据样本的相似度，把样本聚成簇
使用不同的聚类准则（相似度指标），产生的聚类结果不同。

应用：
用户画像

图像分割（图像的RDB三元素不同来对图像进行聚类）

聚类算法api初步使用：
kmeans算法 k平均聚类算法

sklearn.cluster.KMeans(n_clusters=8)
.fit(x) --> 先去拿咱们所有的数据去根据相似度聚类
.predict(x) --> 然后在根据训练的结果得知聚类的结果
.fit_predict(x) --> 由于咱们的参数一致，则合并的偷懒方法

聚类算法实现流程

k-means 算法
k： 打算聚成的簇数（中心质点的数目）
means： 同一簇中的所有点到中心质点的距离的平均值（越小越好）

k-means聚类步骤：

1 样本之中随机选k个点当作是中心质点（k：聚类的簇数）
2 其他的所有点计算离哪个中心点近，就是这个中心点所代表的这一簇
3 根据每一簇的样本求出新的中心点
4 第2步第3步重复迭代，直到中心点不动为止（达到完美的聚类效果）

###模型评估
1 误差平方和