k均值聚类算法优缺点_六、K-means（均值聚类）

聚类是一种无监督的学习，它将相似的对象归到同一个簇中。它有点像全自动分类。聚类与分类的最大不同在于，分类的目标事先已知，而聚类则不一样。因为其产生的结果与分类相同，而只是类别没有预先定义。聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好。

本章要介绍一种称为K-均值（K-means）聚类的算法。这种算法可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。

1. 基本介绍

K-均值是发现给定数据集的k个簇的算法。簇个数k是用户给定的，每一个簇通过其质心（centroid），即簇中所有点的中心来描述。该算法是循环迭代式的。

1.1 算法的工作流程

• 初始化：随机选择K个点作为初始中心点，每个点代表一个group
• 交替更新：计算每个点到所有中心点的距离，把最近的距离记录下来并把group赋给当前点；针对每一个group里的点，计算其平均并作为这个group的新的中心点

1.2 选择K值

首先画出K-means目标函数的图像，找到斜率开始变小所对应的K值。

目标函数

2. 实战

2.1 算法可视化

2.1.1 导入各种包和数据

# 导入相应的包
from copy import deepcopy
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

# 导入数据
data = pd.read_csv('data.csv')
#打印数据的大小和头五行
print("Input Data and Shape")
print(data.shape)
data.head()