scikit-learn机器学习——第十一章 复习题

1.什么是k-均值算法？它和k-近邻算法有什么区别？

k-均值算法是一类典型的无监督机器学习算法，用来解决聚类问题。

区别：数据没有标记

2.k-均值算法的基本迭代步骤是什么？

迭代步骤：

(1)给聚类中心分配点

(2)移动聚类中心

3.怎样选择k-均值算法的k值？他和成本有什么关系？

(1)业务需求

(2)技术：绘制k和成本函数的趋势图，寻找拐点。

4.运行ch11.02.ipynb示例代码，修改聚类个数n_clusters为2是什么结果？

5.聚类算法常见的性能评估指标有哪些？

(1)Adjust Rand Index 衡量两个序列相似性的算法。

(2)齐次性和完整性

(3)轮廓系数