第六章、聚类算法K-means：一、k-means ：无监督分类 1.sklearn中的聚类算法 1.1 sklearn.cluster.K-means 1.2 超参数n_clusters=inert

一、k-means ：无监督分类

聚类和分类：

聚类是一种无监督学习方法，其目标是将数据样本分成不同的组，使得同一组内的样本彼此相似，而不同组之间的样本差异较大。聚类算法根据数据点之间的相似性或距离，将它们分配到不同的聚类簇中。聚类算法不需要先验标签或类别信息，而是根据数据本身的特征进行分组。聚类可以帮助发现数据的内在结构、相似性和模式，对于数据探索、分割和预处理等任务非常有用。

分类是一种有监督学习方法，它使用已有的标签或类别信息来训练模型，并预测新的未知数据点所属的类别。分类任务的目标是学习一个模型，能够将输入数据映射到预定义的类别中。分类算法需要有已知的标签或类别信息作为训练数据，并根据这些标签来学习分类规则或决策边界。常见的分类算法包括决策树、支持向量机和神经网络等。

聚类常用于数据探索、分割和预处理等任务，有助于发现数据的相似性和群组结构；分类常用于预测和判别任务，对新的未知数据进行分类。

1.sklearn中的聚类算法

两种表现形式：类和函数

• 对于k-means：
  簇：同一簇就是一类
  质心：一簇数据的横纵坐标的平均值
  过程：随机抽取k个样本作为最初质心；开始循环：每个样本点分配到离他最近的质心，生成k簇；对于每个簇计算新的质心，当质心位置不再发生改变时，聚类完成。

• 样本到质心的距离的度量：
  
  n表示特征数目，例如，二维数据的x，y，则n=2；x表示样本点，u表示质心。

如果k-means采用欧几里得距离，所有样本点的距离之和是：
前者是簇内平方和，后者是整平方和。k-means追求的是簇内平方和最小的质心。这是k-means的模型评估指标，而不是损失函数。

1.1 sklearn.cluster.K-means

代码：

1. 创建一个数据集：

from sklean.datasets import make_blobs as mb
import matplotlib.pyplot as pt 
x,y=mb(n_samples=500,n_features=2,centers=4,random_sate=1)
print(x.shape)

fig,ax1=pt.subplots