k-means聚类算法

k-means

k:把数据划分成多少个类别

1.聚类方法

（1）随机在数据中抽取三个样本，当作三个类别的中心点( k1,k2,k3)

（2）计算其余的点分别到三个中心的距离，从中选出距离最近的点作为自己的标记形成三个族群

（3）分别计算这三个族群的平均值，把三个平均值与之前的三个旧中心点进行比较，相同就结束聚类，不相同就把这三个平均值当作新的中心点，重复第二步。

api: sklearn.cluster.KMeans(n-clusters=8,init='k-means++')
k-means: 聚类
n_clusters: 开始聚类的中心数量
init: 初始化方法
labels_: 默认标记的类型，与真实值比较

2.聚类，做在分类之前，进行标记

km = KMeans(n_clusters=4)
km.fit(x)
predict = km.predict(x)

3.聚类评估标准：

族群与族群之间的距离最大，内部样本之间距离最小

4.计算步骤：

取蓝色中的一个点为蓝1

1.计算蓝1到自身类别点距离的平均值 a_i

2.计算蓝1到红色类别，绿色类别所有点的距离，求平均值b1,b2，取其中最小的值当作b_i

极端情况：【轮廓系数在 [ -1，1 ] 之间】

b_i >> a_i : 1

a_i >> b_i : -1

api: 
sklearn.metrics.silhouette_score(x,labels)
# 计算所有样本平均轮廓系数
x: 特征值
labels: 被聚类标记的目标值