聚类算法K-Means

聚类算法K-Means
1 概述
1.1 无监督学习与聚类算法
在过去的五周之内，我们学习了决策树，随机森林，PCA和逻辑回归，他们虽然有着不同的功能，但却都属于“有监 督学习”的一部分，即是说，模型在训练的时候，即需要特征矩阵X，也需要真实标签y。机器学习当中，还有相当 一部分算法属于“无监督学习”，无监督的算法在训练的时候只需要特征矩阵X，不需要标签。而聚类算法，就是无监督学习的代表算法。
聚类算法又叫做“无监督分类”，其目的是将数据划分成有意义或有用的组(或簇)。这种划分可以基于我们的业务 需求或建模需求来完成，也可以单纯地帮助我们探索数据的自然结构和分布。比如在商业中，如果我们手头有大量的当前和潜在客户的信息，我们可以使用聚类将客户划分为若干组，以便进一步分析和开展营销活动，最有名的客户价值判断模型RFM，就常常和聚类分析共同使用。再比如，聚类可以用于降维和矢量量化(vector quantization)，可以将高维特征压缩到一列当中，常常用于图像，声音，视频等非结构化数据，可以大幅度压缩 数据量。

1.2 sklearn中的聚类算法
聚类算法在sklearn中有两种表现形式，一种是类(和我们目前为止学过的分类算法以及数据预处理方法们都一 样)，需要实例化，训练并使用接口和属性来调用结果。另一种是函数(function)，只需要输入特征矩阵和超参 数，即可返回聚类的结果和各种指标。

2 K