k-means
属于非监督学习(unsupervised learning)
聚类:把数据分成多少个类别
1.聚类的过程
例如: k等于几就相当于分几类
1、随机设置K个特征空间内的点作为初始的聚类中心
2、对于其他每个点计算到K个中心的距离,未知的点选择最近的一个聚类
中心点作为标记类别
3、接着对着标记的聚类中心之后,重新计算出每个聚类的新中心点(平
均值)
4、如果计算得出的新中心点与原中心点一样,那么结束,否则重新进行
第二步过程
2.K-means API
•sklearn.cluster.KMeans
语法
•sklearn.cluster.KMeans(n_clusters=8,init=‘k-means++’)
•k-means聚类
•n_clusters:开始的聚类中心数量
•init:初始化方法,默认为'k-means ++’
•labels_:默认标记的类型,可以和真实值比较(不是值比较)
后面继续更新,只写了一半