k-means算法（DBSCAN算法），聚类算法

一、K-means算法是最经典的聚类算法（无监督学习），

    本文对scikit-learn中的kmeans进行说明，以便以后使用。

首先：k-means算法的优劣如下

优势：简单，快速，适合常规数据集

劣势：K值难确定，复杂度与样本呈线性关系，很难发现任意形状的簇（针对凸数据集效果较好：

在欧氏空间中，凸集是对于集合内的每一对点，连接该对点的直线段上的每个点也在该集合内。凹集则不满足）

 要使用kmeans算法的话，首先需要进行import：

    from sklearn.cluster import KMeans

    scikit-learn中，通过KMeans进行对象的新建，并传入算法参数进行参数设置。

---

    KMeans传参详解：

    1、n_clusters : k值，聚类中心数量（开始时需要产生的聚类中心数量），默认为8

    2、max_iter : 算法运行的最大迭代次数，默认300，凸数据集不用管这个数，凹数据集需要指定。

    3、tol: 容忍的最小误差，当误差小于tol就会退出迭代（算法中会依赖数据本身），默认为1e-4

    4、n_init : （用不同的初始化之心运行计算的次数）k-means算法会随机运行n_init次，最终的结果将是最好的一个聚类结果，默认10

    5、init : 即初始值（质心）选择的方式，有三个选择{

---

优化过的'k-means++',  ，一般默认'k-means++' ，

完全随机选择'random': 随机选择k个实例作为聚类中心

自己指定的初始化质心，ndarray：如果传入为矩阵（ndarray），则将该矩阵中的每一行作为聚类中心

初始化过程如下：

从输入的数据点集合（要求有k个聚类）中随机选择一个点作为第一个聚类中心；（2）、对于数据集中的每一个点x，计算它与最近聚类中心(指已选择的聚类中心)的距离D(x)；（3）、选择一个新的数据点作为新的聚类中心，选择的原则是：D(x)较大的点，被选取作为聚类中心的概率较大；（4）、重复2和3直到k个聚类中心被选出来

---

    6、algorithm :可选的K-means距离计算算法， 可选{"auto", "full" or "elkan",default="auto"}

---

        "full"：传统的距离计算方式.，支持稀疏数据。

       "elkan"：使用三角不等式，效率更高，但是目前不支持稀疏数据。1、计算任意两个聚类中心的距离；2当计算x点应该属于哪个聚类中心时，当发现2*S(x，K1)<S（x，K2）时，根据三角不等式，S（x，K2）>S(x，K1)，

       "auto"：当为稀疏矩阵时，采用full，否则elkan。

---

    7、precompute_distances : 是否将数据全部放入内存计算，可选{'auto', True, False}，开启时速度更快但是更耗内存.

---

       'auto' : 当n_samples * n_clusters > 12million，不放入内存，否则放入内存，double精度下大概要多用100M的内存

       True : 进行预计算

      False : 不进行预计算

---

    8、n_jobs : 同时进行计算的核数（