目录
1、 无监督学习
没有目标值的,从无标签的数据开始学习的
- 聚类
- K-means(K均值聚类)
- 降维
- PCA
2、 K-means原理
- 随机设置K个特征空间内的点作为初始的聚类中心
- 对于其他每个点计算到K个中心的距离,未知的点选择最近的一个聚类中心点作为标记类别
- 接着对着标记的聚类中心之后,重新计算出每个聚类的新中心点(平均值)
- 如果计算得出的新中心点与原中心点一样,那么结束,否则重新进行第二步过程
3,API
from sklearn.cluster import KMeans
- KMeans(n_clusters=8,init=‘k-means++’)
- n_clusters:开始的聚类中心数量
- init:初始化方法,默认为 'k-means ++’
- labels_:默认标记的类型,可以和真实值比较(不是值比较)