机器学习——聚类算法KMeans及其评估方法

聚类算法简介

聚类算法是一种典型的无监督学习算法，是根据样本之间的相似性，将样本分划到不同的类别中对于不同的相似度计算⽅法，会得到不同的聚类结果，常⽤的相似度计算⽅法有欧式距离法。
聚类算法的应用范围很广，包含以下例子：

• ⽤户画像，⼴告推荐，Data Segmentation，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
• 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

KMeans算法

KMeans是聚类算法中的一种，按照字母意义理解可以分为两层：

• K表示初始的中心点数，即计划分为几个类别
• Means表示中心点到其他数据点的距离均值

KMeans算法原理

1. 随机设置K个特征空间内的点作为初始聚类的中心点；
2. 计算其他每个点到K个中心点的距离，这个点跟那个中心点最近则将其标记为该类别；
3. 接着计算所有标记为同一类点的平均值，作为新的中心点；
4. 如果该中心点跟上一次的中心点一样，则计算结束，否则重复2-3的步骤；
5. 最终确定每个样本所属的类别及其类别质心。
   

聚类算法评估

聚类算法的评估方法主要采用以下三种：SSE、肘方法和SC系数：

SSE误差平方和(The sum of squares due to error)

SSE是预测值与真实值之间