机器学习—K均值聚类

0 前言

  主要讲解K均值聚类的算法原理，以及介绍如何利用Python实现具体的算法，其中包括：

1. 介绍K均值聚类的算法原理，使用sklearn实现算法；
2. 利用轮廓系数(Silhouette Coefficient)控制聚类簇数K；
3. 绘制轮廓系数随K波动的折线图，绘图分类后的散点。

 系统及配置 :

1. 系统： win7 x64
2. Python版本： 3.6.4
3. 主要第三方库： scikit-learn 0.21.2 \\ matplotlib 3.1.0 \\

1 K均值聚类

1.1 简介

 k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。