聚类分析原理（及Python实现K-means代码详解）

聚类分析概念

聚类分析（cluster analysis ）：是一组将研究对象分为相对同质的群组（clusters）的统计分析技术。聚类分析也叫分类分析，或者数值分类。聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或者相似度将其划分成若干个组，划分的原则是组内距离最小化而组间（外部）距离最大化。聚类和分类的不同在于：聚类所要求划分的类是未知的。

距离量度

不同的距离量度会对距离的结果产生影响，常见的距离量度如下所示：

聚类研究分析的方法

1.层次的方法（hierarchical  method）

2.划分方法（partitioning method）

3.基于密度的方法（density-based method）DBSCAN

4.基于网格的方法（grid-based method）

5.基于模型的方法（model-based method）

K-means算法

K-means算法是经典的聚类分析划分方法之一。其优缺点如下：

优点：
原理简单
速度快
对大数据集有比较好的伸缩性