机器学习-10.K-means

1. 概述

• k-means为无监督学习，即没有目标值。
• k-means步骤
  
  计算到k中心的距离一般采用欧式距离进行计算。
• 图解如下：
  
• API：sklearn.cluster.KMeans
  
• k-means的使用一般用于分类之前进行，在没有目标值，仅有历史的数据特征时，又想预测新数据的类别，可以先对历史数据进行聚类。

2. kmeans性能评估

• 评估指标：轮廓系数
  
  按照下图描述的外部距离最大化，内部局里最小化是最好的分类结果。
  轮廓系数的计算是计算每一个样本的，假设命名下图蓝色中的一个样本为“蓝1”，则蓝1的计算如下：

1. 计算蓝1到自身类别的点的距离的平均值叫ai
2. 计算蓝1分别到红色类别，绿色类别所有点的距离，求出平均值，b1,b2，取其中最小的值记作bi
3. 蓝1轮廓系数根据公示，如果聚类效果极端的好，bi远远大于ai，则轮廓系数无限趋近于1，当聚类效果极端的差，bi远远小于ai，则轮廓系数无限趋近与-1。
   

• kmeans性能评估指标API：sklearn.metrics.sihouette_score
  

kmeans小结

• 特点：采用迭代式算法，直观易懂且非常实用。
• 缺点：容易收敛到局部最优解（需要多次聚类解决此问题，当然sklearn中已经考虑到这种问题）