kmeans聚类算法python实现、显示折线图_聚类算法kmeans，kmeans++及python实现

1、kmeans

kmeans, k-均值聚类算法，能够实现发现数据集的 k 个簇的算法，每个簇通过其质心来描述。

kmeans步骤：

(1)随机找 k 个点作为质心(种子)；

(2)计算其他点到这 k 个种子的距离，选择最近的那个作为该点的类别；

(3)更新各类的质心，迭代到质心的不变为止。

Q:如何选择 k 值？

A: 根据 k 取不同的值时，模型性能曲线图。

横坐标是聚类数目k，纵坐标是各点到距离中心的距离和。在拐点处的K(距离和下降速率变慢)作为选择的值。

2、kmeans++

因为，kmeans的初始种子的随机找的，这样，算法的收敛快慢与初始值关系非常大，于是，kmeans++ 主要针对初始值的选取进行改进。

初始值选取，如下：

1、也是随机选取一个种子；

2、计算其他点到这个种子的距离；

3、选择这些较大的距离的那个点，替代随机选取的那个种子，作为新的种子点(这里的较大的距离，可以理解为maxDistance*随机数，随机数可以选取0.5-1；)；

4、迭代1-3步，直到选取k个种子为止。

3. 评估聚类效果

轮廓系数法SC

轮廓系数(Silhouette Coefficient))结合了聚类的凝聚度(Cohesion)和分离度(Separation)，用于评估聚类的效果。该值处于-1~1之间，值越大，表示聚类效果越好。

计算步骤：

(1)选择一个点