kmeans中的k的含义_【Python-机器学习】物以类聚：Kmeans无监督聚类算法实操

中国的古语有云，“物以类聚，人以群分”

一、前言

K均值KMeans属于无监督学习聚类算法中最简单的一种。

• 聚类 clustering，属于无监督学习中的分类算法。
• 无监督学习 unsupervised learning，指样本数据于没有y或者没有标签（label/target）数据，也就是只有一堆的自变量Xs（特征变量），然后通过这些自变量来对样本进行分类。无监督学习算法的目标通常是探索和发现数据隐藏的结构和规律。
• 聚类算法还可以用于降维，特征和数据压缩
• 其它典型聚类算法：DBSCAN，光谱聚类，层次聚类

聚类算法的现实应用：根据消费者的一系列特征的取值，归类到不同的组别。比如某些组别购买力强且对价格不敏感，某些组别购买的商品类型多且时间相近。基于这些顾客画像的描绘，就可以制定相应的广告策略，提高广告投放的精准程度。

KMeans算法的2个关键概念：

• 簇：通俗点叫一堆，一个簇就相当于一个类。KMea