Carolinedy的博客

K-Means 算法是典型的基于距离的非层次聚类算法，在最小化误差函数的基础上将数据划分为预订的类树 K，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度越大。度量样本之间的相似性最常用的是 欧几里得距离、曼哈顿距离和闵可夫斯基距离;（Scikit-Learn 中的 KMeans 算法仅仅支持欧氏距离，因为采用其他的距离并不一定能够保证算法的收敛性。）度量聚类质量的目标函数...

一、数据前期探索 数据质量分析： 是数据预处理的前提主要任务：检查原始数据中是否存在脏数据脏数据：不符合要求，以及不能直接进行相应分析的数据。包括：缺失值，异常值，不一致的值，重复数据，含有特殊符号的数据。1、缺失值处理方式：删除存在缺失值的记录; 对可能值进行插补; 不处理。2、异常值（离群点）处理方式：   简单统计量分析（判断变量取值是否超出范围）;    ...