K均值算法的優(yōu)缺點是什么抓于？如何對其進行調(diào)優(yōu)？
K均值算法有一些缺點浇借，例如受初值和離群點的影響捉撮，每次的結(jié)果不穩(wěn)定，結(jié)果通常不是全局最優(yōu)而是局部最優(yōu)解妇垢，無法很好的解決數(shù)據(jù)簇分布差別比較大的情況（比如一類是另一類樣本數(shù)量的100倍）巾遭，不太適用于離散分裂等肉康。
但是K均值聚類算法的優(yōu)點主要體現(xiàn)在：對于大數(shù)據(jù)集。K均值聚類算法相對是可伸縮和高效的灼舍，他的計算復雜度是O（NKt)接近與線性吼和，其中N是數(shù)據(jù)對象的數(shù)目，K是聚類的簇數(shù)骑素，t是迭代的輪數(shù)炫乓。盡管算法經(jīng)常以局部最優(yōu)結(jié)束，但一般情況下達到局部最優(yōu)已經(jīng)可以滿足聚類的需求献丑。
希望找到最好的參數(shù)θ末捣，能夠使最大似然目標函數(shù)取最大值。
目標是使損失函數(shù)最小创橄，在E-step時箩做，找到一個最逼近目標的函數(shù)γ；在M-step時筐摘，固定函數(shù)γ卒茬，更新均值μ（找到當前函數(shù)下的最好的值）。所以一定會收斂了.
聚類評估(輪廓系數(shù)Silhouette Coefficient)
這個指標計算的是樣本i到同簇其他樣本的平均距離 , 越小咖熟，說明樣本i越應該被聚類到該簇圃酵。將 稱為樣本i的簇
內(nèi)不相似度。
計算樣本i到其他某簇的所有樣本的平均距離馍管，稱為樣本i與簇 的不相似度郭赐。
接近1，則說明樣本i聚類合理
接近-1确沸，則說明樣本i更應該分類到另外的簇
若 近似為0捌锭，則說明樣本i在兩個簇的邊界上。
我們對標準化前后的數(shù)據(jù)進行輪廓系數(shù)計算：
做標準化的結(jié)果比較低罗捎，不做標準化的結(jié)果比較高观谦。這是因為特征的重要性我們是不知道的，我們將calories的重要度通過標準化降低之后可能會造成不好的影響桨菜。
豁状，我們就有了kmeans的一個標準流程：我們先進行聚類，然后可視化展示倒得，之后再評估泻红，想一想什么參數(shù)
比較合適，再重新聚類
