python使用k-means算法代码案例-数据挖掘-聚类分析（Python实现K-Means算法）

概念：

聚类分析（cluster analysis ）：是一组将研究对象分为相对同质的群组（clusters）的统计分析技术。聚类分析也叫分类分析，或者数值分类。聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或者相似度将其划分成若干个组，划分的原则是组内距离最小化而组间（外部）距离最大化。聚类和分类的不同在于：聚类所要求划分的类是未知的。

聚类度量的方法：分距离和相似度来度量。

?

?

聚类研究分析的方法：

1.层次的方法（hierarchical method）

2.划分方法（partitioning method）

3.基于密度的方法（density-based method）DBSCAN

4.基于网格的方法（grid-based method）

5.基于模型的方法（model-based method）

?

?K-Means 算法：

?受离群点的影响较大，由于其迭代每次的中心点到全部样本点的距离和的平均值。

优点：

原理简单

速度快

对大数据集有比较好的伸缩性

缺点：

需要指定聚类 数量K

对异常值敏感

对初始值敏感

?以欧式距离来衡量距离大小，使用误差平方和（Sum of the SquaredError,SSE）作为聚类的目标函数：

?

k表示k个聚类中心，ci表示第几个中心，dist表示的是欧几里得距离