Scikit-Learn K均值聚类

1、K均值聚类

K-均值（K-Means）是一种聚类算法，属于无监督学习。K-Means在机器学习知识结构中的位置如下：

1.1、K均值聚类及原理

聚类（Clustering）是指将一个数据对象集合划分成簇（子集），使得簇内对象彼此相似，簇间对象不相似。通俗来说，就是将数据划分到不同组中

根据算法原理，常用的聚类算法可分为：基于划分的聚类算法K-Means、基于层次的聚类算法HC、基于密度的聚类算法。本文主要介绍K-Means聚类

K-Means算法起源于1967年，由James MacQueen和J.B.Hartigan提出。K-Means中的K指的是类的数量，Means指均值

K-Means算法的基本原理是：根据样本特征的相似度或距离远近，将样本（N个点）划分成若干个类（K个集群），使得每个点都属于离其最近的中心点（均值）对应的类（集群）

其中，相似度通常使用欧几里得距离来度量，用于计算数据点与质心之间的距离（使用平方）：
$$d(X_i,C_j)=||X_i-C_j|{|}^2$$

其中，$X_i$是数据点，$C_j$是质心

K-Means假设一个样本属于一个类，K-Means的类别是样本的中心（均值）；K-Means的损失函数是样本与其所属类的中心之间的距离平方和（SSE）：
$$J=\sum _{j=1}^K$$