聚类：KMeans、DBSCAN、层次聚类AgglomerativeClustering及聚类评价指标

聚类（无监督学习）

目标

簇内相似度高，簇间相似度低

聚类性能度量

1. 外部指标：将聚类结果与某个“参考模型”进行比较。
2. 内部指标：直接考察聚类结果，不利用任何参考模型。

聚类方法

一、KMeans

给定k个聚类的数量固定，将观察值分配给这些聚类，以使各个聚类（对于所有变量）的均值尽可能彼此不同。

KMeans（n_clusters = 8，*，init ='k-means ++'，n_init = 10，max_iter = 300，tol = 0.0001，precompute_distances ='deprecated'，verbose = 0，random_state = None，copy_x = True，n_jobs ='deprecated '，algorithm ='auto' ）

参数解释

n_clusters——聚类的个数

二、层次聚类

AgglomerativeClustering(n_clusters=2, *, affinity='euclidean', memory=None, connectivity=None, compute_full_tree='auto', linkage='ward', distance_threshold=None)

参数解释

n_clusters——聚类的个数
linkage——连接方法。ward（方差最小化）complete（两组中所有观测值间的最大距离）average（平均距离）single（最小距离）
affinity——用于计算linkage的度量。“euclidean”:欧几里得距离(如果linkage 是 “ward”, 则affinity只可选为此选项) ，“l1”，“l2”

1）先计算样本之间的距离。每次将距离最近的点合并到同一个类。然后，再计算类与类之间的距离，将距离最近的类合并为一个大类。不停的合并，直到合成了一个类。其中类与类的距离的计算方法有：最短距离法，最长距离法，中间距离法，类平均法等。比如最短距离法，将类与类的距离定义为类与类之间样本的最短距离。

2）层次聚类算法根据层次分解的顺序分为：自下底向上和自上向下，即凝聚的层次聚类算法和分裂的层次聚类算法（agglomerative和divisive），也可以理解为自下而上法（bottom-up）和自上而下法（top-down）。自下而上法就是一开始每个个体（object）都是一个类，然后根据linkage寻找同类，最后形成一个“类”。自上而下法就是反过来，一开始所有个体都属于一个“类”，然后根据linkage排除异己，最后每个个体都成为一个“类”。这两种路方法没有孰优孰劣之分，只是在实际应用的时候要根据数据特点以及你想要的“类”的个数，来考虑是自上而下更快还是自下而上更快。至于根据Linkage判断“类”的方法就是最短距离法、最长距离法、中间距离法、类平均法等等（其中类平均法往往被认为是最常用也最好用的方法，一方面因为其良好的单调性，另一方面因为其空间扩张/浓缩的程度适中）。为弥补分解与合并的不足，层次合并经常要与其它聚类方法相结合，如循环定位。
AGNES是一种采用自底向上聚合策略的层次聚类算法。AGNES算法也被称为“单链接”（single）、“全链接”（complete）、“均链接”（average）算法。

三、DBSCAN

根据半径eps和半径内的最小样本数min_samples，以半径内的每一个样本为原点，不停“生长”，当该样本半径内的最小样本数小于min_samples时，停止“生长”。

DBSCAN(eps=0.5, *, min_samples=5, metric='euclidean', metric_params=None, algorithm=