机器学习(K-means聚类原理以及用法)

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