ML：非監督學習之 聚類 之 1 KMeans聚類（sklearn.cluster.KMeans)

一、算法圖解

1. 首先，圖a & 圖b：指定cluster的個數。上圖設k=2（初始點爲從圖b開始出現的“+”號）；
2. 其次，圖c：把每個數據樣本劃到到最近的中心點那一cluster；
3. 再次，圖d & 圖e：指第一輪化cluster之後，更新中心點（一般是把該cluster的所有數據座標加起來取平均值）；
4. 重複劃類和中心點更新，一直到滿足指定的迭代次數，或者中心點的移動距離小於給定值，或者中心點不再移動，圖f；

二、sklearn官方文檔鏈接

sklearn.cluster.KMeans(
n_clusters=8,                  # 設定要聚類的個數，默認8；
init='k-means++',              # 設定選擇初始中心點的方法，默認是“k-means++”（一種可以加速聚類收斂的方法），還可以是“random”（隨機選擇初始點），或者是shape爲[n_clusters, n_features]的數組，即自己指定初始點；
n_init=10,                     # 設定中心點的批數，最終輸出效果最好的那批中心點產生的cluster。默認是10批；
max_iter=300,                  # 設定對於每批中心點，最大的迭代次數。默認300；
tol=0.0001,                    # 設定可接受的中心點最小移動距離，默認是1e-4
precompute_distances='auto',   # 
verbose=0,
random-state=None,
copy_x=True,                   # 是否copy樣本x。默認True，False即跟新樣本x；
n_jobs=None,
algorithm='auto'               # 指定kmeans的算法。默認是“autor”，即對於密集的樣本用“elkan”算法，離散的樣本用“full”算法；可自行指定“elkan”或“full”2種中的一個；
)

三、優缺點

• 對離羣點敏感（因爲對均值的影響大）
• 不能對環形&漩渦形正確聚類；