kmeans聚类分析结果怎么看_聚类分析学习笔记

聚类分析就是根据数据对象的特征及其关系，将对象分簇。簇内的相似性越大，簇间的差别越大，聚类就越好。在商业上被用来发现不同的客户群，并且通过购买模式刻画不同客户群的特征。聚类分析是细分市场的有效工具，同时也是用于研究消费者研究行为，寻找新的潜在市场。

聚类分析流程：

聚类分析可以分为：划分方法，层次方法，基于密度的算法，基于网络的算法，基于模型的算法。

划分方法的定义：以距离作为数据集中不同数据间相似度的度量，将数据级划分为多个簇。K均值和k-中心点均是属于划分方法的聚类分析算法。

评价函数：评价聚类效果的评价函数主要考虑两个方面：每个簇中的对象应该是紧凑的；各个簇之间的对象的距离因该尽可能的远。实现这种考虑的一个之间办法就是观察类内差异w(c)和类间差异b(c)。类内差异衡量类内对象之间的紧凑性，类间差异衡量不同类之间的距离。

聚类C的聚类质量可以用W(c)和B(c)的一个单调组合来表示，譬如W(c)/B(c)。

K均值聚类

k均值是最古老、最广泛使用的聚类算法。其算法思想是：从包含n个数据的数据集中随机选则k个对象，每个对象代表初始的一个簇的平均值或者是质心，对于剩余的数据根据与各个簇的中心距离指派到最近的簇，然后根据指派到簇的数据重新计算质心，如此循环，直到成本函数不发生变化。k均值算法的成本函数E定义为：

sklearn.cluster.KMeans 参数介绍

algorithm：有“auto”, “full” or “elkan”三种选择。”full”就是我们传统的K-Means算法， “elkan”是elkan K-Means算法。默认的”auto”则会根据数据值是否是稀疏的，来决定如何选择”full”和“elkan”。一般数据是稠密的，那么就是 “elkan”，否则就是”full”。一般来说建议直接用默认的”auto”

copy_x：布尔型，默认值=True

当我们precomputing distances时，将数据中心化会得到更准确的结果。如果把此参数值设为True，则原始数据不会被改变。如果是False，则会直接在原始数据 上做修改并在函数返回值时将其还原。但是在计算过程中由于有对数据均值的加减运算，所以数据返回后，原始数据和计算前可能会有细小差别。

init：有三个可选值：’k-means++’， ‘random’，或者传递一个ndarray向量。

此参数指定初始化方法，默认值为 ‘k-means++’。

（１）‘k-means++’ 用一种特殊的方法选定初始质心从而能加速迭代过程的收敛，k-means++算法选择初始seeds的基本思想就是：初始的聚类中心之间的相互距离要尽可能的远。

（２）‘random’ 随机从训练数据中选取初始质心。

（３）如果传递的是一个ndarray，则应该形如 (n_clusters, n_features) 并给出初始质心。

max_iter：整形，缺省值=300，执行一次k-means算法所进行的最大迭代数。

n_clusters：整形，缺省值=8 【生成的聚类数，即产生的质心（centroids）数。】

n_init：