sklearn构建K-means聚类模型以及使用FMI,轮廓系数法,Calinski-Harabasz评价模型

聚类分析是在没给定划分类别的情况下，根据数据相似度进行样本划分的一种方法，属于非监督学习。

（1）使用sklearn估计器构建聚类模型

聚类算法实现需要估计器，sklearn估计器有fit和predict两个方法：

fit: 主要用于训练算法，该方法可接收用于有监督学习的训练集及其标签两个参数，也可接收无监督学习的数据。

predict：用于有监督学习的测试集标签，也可用于划分传入数据的类别。

以iris数据为例，构建K-means聚类模型

from sklearn.datasets import load_iris          #从datasets加载iris数据     
from sklearn.preprocessing import MinMaxScaler  #从preprocessing加载离差标准化模块
from sklearn.cluster import KMeans              #从cluster加载k均值聚类模块

iris=load_iris()                                
iris_data=iris['data']                          #提取数据集的特征
iris_target=iris['target']                      #提取数据集的标签
iris_names=iris['feature_names']                #提取特征名

s