sklearn kmeans 聚类中心_数据分析|k-means聚类原理

K-Means 是一种非监督学习，解决的是聚类问题。K 代表的是 K 类，Means 代表的是中心，你可以理解这个算法的本质是确定 K 类的中心点。当你找到了中心点，也就完成了聚类！

可以从以下三个角度来梳理k-means：

如何确定 K 类的中心点？
如何将其他点划分到k类中？
如何区分k-means与k-近邻算法？

为了对k-means有个感性的认识，我们从熟悉的场景亚洲足球队的水平开始谈起：

熟悉足球的朋友可能心理已经有了预期？你可能会说，”伊朗，韩国“一流水平，中国”二流水平“，越南”三流水平“。这样的猜测是基于我们的经验。

那么，伊朗，中国，越南就是三个等级的代表---中心。

那么如何确定k类的中心了？一开始我们是随机指认的，当确定了中心点后，我们就可以按照距离将其它足球队划分到不同的类别中。

在这里我们默认k=3，在工业界k的选择是个难事！但我们可以通过其它方式来确定k，后文会讲到。

从上面的描述中，我们可以抽象出聚类方法的步骤：

1、随机从数据集中选择k个点作为我们聚类的中心点；
2、讲每个点分配到离它最近的类中心点，就形成了k类。然后重新计算每个类的中心点（比如取各类的均值作为新的中心点）
3、重复第2步，直到类不再发生变化，或者设置最大迭代次数，让算法收敛。

下面举例说明，上述过程：

其中 2019 年国际足联的世界排名，2015 年亚洲杯排名均为实际排名，2018年，很多球队没有入围决赛，进入决赛圈的有自己的排名，没有进入决赛圈我们按照以下原则来给其一个排名：

如果是亚洲区域入选赛12强的队伍，设置为40名
如果没有进入亚洲区域预选赛，设置为50名