目录
[三、质心 和 簇](#三、质心 和 簇)
[第一步 ->](#第一步 ->)
[第二步 ->](#第二步 ->)
[第三步 ->](#第三步 ->)
[第四步 ->](#第四步 ->)
[3.使用K-means 聚类](#3.使用K-means 聚类)
[4.聚类后 看散点图](#4.聚类后 看散点图)
一、概念
无监督学习 （有特征，无标签）
聚类算法是一类无监督学习方法，在讲数据划分为若干组（簇），使得同一簇内的样本相似度搞，而不同簇间的样本差异大。
根据样本之间的相识性，讲样本划分到不同的类别中，不同的相似度计算方法，会得到不同的聚类结果。常用相似度欧式距离法计算
聚类算法的目的是在没有先验知识的情况下，自动发现数据集中的内在结构和模式。
实际应用：
用户画像，广告推荐，搜索引擎的流量推荐，恶意流量识别。
基于位置信息的商业推送，新闻聚类，筛选排序。（LBS的信息推送）
图像分割，降维，识别。 离群点检测，信用卡异常消费。 发掘相同功能的基因片段。
二、聚类算法分类
1.根据聚类颗粒度分类
粗聚类、细聚类
2.实现方式
基于划分的聚类：K-means算法->按照质心（一个簇的中心位置，通过均值计算）分类
基于层次的聚类：DIANA（自顶向下）AGNES（自底向上）
基于密度的聚类：DBSCAN算法
等
三、质心 和 簇
第一步 ->
初始化 分簇 假设分为两个簇，给两个质心点。
初始化质心点的时候，可以是原始数据中的某一个点
第二步 ->
计算距离分簇
每个样本和不同的质心点计算距离，离它最近的那个，就是属于那个簇。
每个样本都计算和质心点的距离。
第三步 ->
计算完距离后，分了两个簇
接下来，在簇内，计算每个样本的x和y 的平均值 ，找新的质心点，新的质心点的位置，
同簇内（x平均值，y平均值）
注意：新的质心点，不一定是样本点。（极低概率是样本点）
第四步 ->
计算产生新的质心点后，所有的样本再算距离新质心点的距离，重新分簇。
！什么时候停止？即什么时候聚类结束？
如果计算出来的质心点的位置和上一次质心点的位置一致。即停止聚类。
代码案例
1.创建数据集
python
from sklearn.datasets import make_blobs #造数据
python
# 1.创建数据集
'''
参数1：样本数据
参数2：每个样本的特征数量（维度）
参数3：聚类中心坐标，设置4个质心点 (随便给)
参数4: 标准差（cluster_std），就是控制每一类数据的 "散开程度"
标准差越小 → 数据越集中、紧凑
标准差越大 → 数据越分散、松散
第 1 类：散得更开（std=0.4）第 2、3、4 类：更紧凑（std=0.2）
参数5: 随机种子
return x,y
x: 一个二维的数据集 numpy.ndarray类型
[[ 1.23888592 1.13588028]
[-0.56002843 1.14623716]
[-1.35573954 1.25321833]
...
]]
y:一个维数 集合 {0..3}..
为什么是0-3 因为centers 用了4个质心点 也就是4个簇
'''
x,y = make_blobs(n_samples=1000,
n_features=2,
centers=[[-1,1],[0,0],[1,1],[2,2]],
cluster_std=[0.4,0.2,0.2,0.2],
random_state=444)2.绘制散点图
python
# 2.绘制散点图
plt.figure()
plt.scatter(x[:,0],x[:,1])
plt.show()
3.使用K-means 聚类
python
from sklearn.cluster import KMeans #聚类算法
python
# 3.使用KM 进行聚类
y_pred = KMeans(n_clusters=4).fit_predict(x)4.聚类后 看散点图
python
# 4.给颜色，再看散点图
plt.scatter(x[:,0],x[:,1],c=y_pred) #用每个点来分配颜色
plt.show()
5.模型评估
python
#5 模型评估
# 簇 内越小越好，簇 间 越大越好
print(calinski_harabasz_score(x,y_pred))