kMeans

kMeans是一种简单的聚类算法，是一种无监督学习算法

聚类就是把同一类的数据聚在一起。意思是使同一类的数据相似度比较大，类别之间的数据相似度比较小。或者是距离。

聚类的基本思想：
以空间中k个点为形心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各簇的类中心的值，直至得到最好的聚类结果。

算法如下：
（1）选择k个初始类中心
（2）迭代：
1）把每个样本归类
2）更新类中心
（3）迭代停止条件（满足一个即可）：
1）迭代次数达到设定的次数
2）最小均方差小于设定值
3）簇中心变化率到达设定值

关键是：
1. 类中心如何初始化？
2. 数据的相似度/距离如何表示？曼哈顿距离还是欧式距离
3. 类中心如何更新？平均值还是加权平均值还是中位数

from sklearn.cluster import KMeans 
import numpy as np
X = np.array([[1, 2], [1, 4],[1, 0],[4, 2],[4, 4],[4, 0]])
model= KMeans(n_clusters=2, random_state=0)
model.fit(X)
model.labels_
# array([0, 0, 0, 1, 1, 1], dtype=int32)
kmeans.predict([[0, 0], [4, 4]])
# array([0, 1], dtype=int32)
kmeans.cluster_centers_
#array([[ 1.,  2.],
#       [ 4.,  2.]])