机器学习sklearn（12）K-Means聚类

算法原理

K均值聚类(K-Means)算法的核心步骤如下:

1. 将数据集{D}中随机取K个元素，作为K个簇的各自的中心。
2. 分别计算剩下的元素到K个簇中心的相异度，将这些元素分别划归到相异度最低的簇。
3. 根据聚类结果，重新计算K个簇各自的中心，计算方法是取簇中所有元素各自维度的算术平均数。
4. 将{D}中全部元素按照新的中心重新聚类。
5. 重复第 4 步，直到每个簇的中心基本不再变化。
6. 将结果输出。

K均值聚类(K-Means)算法的特点如下：

• 计算伸缩性: 算法复杂度不高，算法收敛速度快，聚类效果好;
• 参数依赖性: 可控制的参数较少(仅簇数k), 调参简单;
• 普适性能力: 泛化能力一般，容易受到噪音干扰;
• 抗噪音能力: 需要考虑局部最优问题，异常数据干扰问题等;
• 结果解释性: 模型和结果均具有解释性。
   

sklearn.cluster.KMeans(n_clusters=8, init=’k-means++’, n_init=10, max_iter=300, tol=0.0001, precompute_distances=’auto’, verbose=0, random_state=None, copy_x=True, n_jobs=None, algorithm=’auto’)

主要参数含义：

1. n_clusters: 即k值，一般需要多试一些值以获得较好的聚类效果。
2. max_iter： 最大的迭代次数，一般如果是凸数据集的话可以不管这个值，如果数据集不是凸的，可能很难收敛，此时可以指定最大的迭代次数让算法可以及时退出循环。 
3. n_init：用不同的初始化质心运行算法的次数。由于K-Means是结果受初始值影响的局部最优的迭代算法，因此需要多跑几次以选择一个较好的聚类效果，默认是10，一般不需要改。如果你的k值较大，则可以适当增大这个值。 
4. init： 即初始值选择的方式，可以为完全随机选择’random’,优化过的’k-means++’或者自己指定初始化的k个质心。一般建议使用默认的’k-means++’。 
5. 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”。
6. n_jobs：并发次数。

from sklearn import datasets
iris = datasets.load_iris()
iris_data = iris.data

print(iris_data)

array([[5.1, 3.5, 1.4, 0.2],
       [4.9, 3. , 1.4, 0.2],
       [4.7, 3.2, 1.3, 0.2],
       [4.6, 3.1, 1.5, 0.2],

       [6.5, 3. , 5.2, 2. ],
       [6.2, 3.4, 5.4, 2.3],
       [5.9, 3. , 5.1, 1.8]])

#归一化
from sklear