机器学习# kmean--算法

kmean–算法，步骤介绍

***此处有图1 ***

• 随机在数据中抽取3个样本，当做3个类别的中心点（k1,k2,k3）
• 计算其余的点到这3个中心点的距离，每一个样本有3个距离（a,b,c），从中选选出距离最近的一个点作为自己的标记形成的个族群
• 分别计算和三个族群的平均值，把3个平均值与之前的三个旧中心点比较，如果相同：结束聚类，如果不同：把这3个点当成新的中心点，重复第2次

api—from sklearn.cluster import KMeans

• n_clusters:中心点的个数

kmeans.fit(X)-----把训练集传入进去
predict(X)----------预测点的位置，通俗的来说就是分点了

聚类评估

计算公式

sci=( bi-ai)/max(bi,ai)

***此处有图2 ***
评估步骤：

1. 计算蓝1到自身类别的点距离的平均值a_i
2. 计算蓝1分别到红色类别，绿色类别所有点的距离，求出平均值b1,b2,取其中最小值当b_i

kmeans----性能指标api

from sklearn.metrics import silhouette_score

silhouette_score(x,predict)