ML：非监督学习之 聚类 之 1 KMeans聚类（sklearn.cluster.KMeans)

一、算法图解

1. 首先，图a & 图b：指定cluster的个数。上图设k=2（初始点为从图b开始出现的“+”号）；
2. 其次，图c：把每个数据样本划到到最近的中心点那一cluster；
3. 再次，图d & 图e：指第一轮化cluster之后，更新中心点（一般是把该cluster的所有数据座标加起来取平均值）；
4. 重复划类和中心点更新，一直到满足指定的迭代次数，或者中心点的移动距离小于给定值，或者中心点不再移动，图f；

二、sklearn官方文档链接

sklearn.cluster.KMeans(
n_clusters=8,                  # 设定要聚类的个数，默认8；
init='k-means++',              # 设定选择初始中心点的方法，默认是“k-means++”（一种可以加速聚类收敛的方法），还可以是“random”（随机选择初始点），或者是shape为[n_clusters, n_features]的数组，即自己指定初始点；
n_init=10,                     # 设定中心点的批数，最终输出效果最好的那批中心点产生的cluster。默认是10批；
max_iter=300,                  # 设定对于每批中心点，最大的迭代次数。默认300；
tol=0.0001,                    # 设定可接受的中心点最小移动距离，默认是1e-4
precompute_distances='auto',   # 
verbose=0,
random-state=None,
copy_x=True,                   # 是否copy样本x。默认True，False即跟新样本x；
n_jobs=None,
algorithm='auto'               # 指定kmeans的算法。默认是“autor”，即对于密集的样本用“elkan”算法，离散的样本用“full”算法；可自行指定“elkan”或“full”2种中的一个；
)

三、优缺点

• 对离群点敏感（因为对均值的影响大）
• 不能对环形&漩涡形正确聚类；