KNN了解啦，Kmeans能缺席吗？

kmeans算法：无监督学习算法中存在一种算法为聚类算法，聚类算法中最经典的是kmeans

聚类算法目的：同一类内相似性高；不同类之间相似性低（相异度高）

所谓聚类问题，就是给定一个元素集合D，其中每个元素具有n个可观察属性，使用某种算法将D划分成k个子集，要求每个子集内部的元素之间相似度尽可能的高，而不同子集的元素相似度尽可能低。其中每个子集叫做一个簇

k-means介绍

k均值算法，k需要提前指定，决定了数据集被分为多少个子集

K-means的原理

1、随机初始化聚类中心

2、计算所有样本到各个聚类中心的距离，并归属到和其最近（最相似）的聚类中心

3、重新确定聚类中心

重复2 和3，直到达到停止条件

K-means特点

一、需要制定k值--预先指定的参数，称为超参数

二、受初始值（初始聚类中心）的影响，达到局部最优效果

三、受离群点的影响大。通常处理方式，剔除异常值

四、距离表证相似度，特征量级不同，需要进行数据标准化

五、K-means算法之前还需要进行数据预处理：数据异常值剔除、数据标准化

k-means的API

API

k-means算法评估

用轮廓系数进行评估聚类的效果

轮廓系数

对于每个点 i 为已聚类数据中的样本 ， i b_ 为 i 到其它族群的所有样本的距离平均值，

i a_ 为 i 到本身簇的距离平均值。最终计算出所有的样本点的轮廓系数平均值。

聚类评估理解图

结论：如果i b_>>i a_:趋近于 1 效果越好，i b_<<i a_:趋近于-1，效果不好。轮廓系数的值是介于 [-1,1] ，越趋近于 1 代表内聚度和分离度都相对较优。

代码实现轮廓系数

轮廓系数