大家早安陵霉、午安汁展、晚安啦猎提，今天繼續(xù)學習scikit-learn中K-means聚類模型。在scikit-learn 中聚類的模型很多寸五，可以見下面截圖：
而上述這些算法的差異性見下圖：
感覺好復雜的樣子梳凛，辣么，先學K-means好啦梳杏，貌似是最簡單的聚類韧拒。
在scikit-learn中，k-means算法是基于KMeans模型來實現(xiàn)秘狞，其基本的思想還是利用上一篇無監(jiān)督學習K-means聚類算法筆記-Python中提到的最小化SSE(誤差平方和)來逐步迭代求解質(zhì)心叭莫，將數(shù)據(jù)分為不同的簇。
上面提到的Inertia就是SSE烁试。K-means方法的主要缺陷如下：
1）Inertia(SSE)其實是假設簇是具有凸的且同極性的（因為他是最小化與質(zhì)心的距離）雇初，但是事實不一定是這樣的，因此减响，當遇到分布式狹長的或者具有很多小分支的不規(guī)則分布的數(shù)據(jù)(It responds poorly to elongated clusters, or manifolds with irregular shapes.)時靖诗，該聚類方法的錯誤率就提高了，比如下圖中的分類
2）Inertia(SSE)并不是一個標準化的指標支示，我們只知道這個數(shù)值是越小越好且如果為0是最優(yōu)的刊橘，但是在高維度特征值的數(shù)據(jù)集中，在計算歐式距離時颂鸿，因為維度很高促绵，導致距離公式急速膨脹，出現(xiàn)所謂的高維災難。此時败晴，就需要先用一些方法降維拆檬，然后再采用Kmeans算法贮竟。
具體來看看KMeans模型
class sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=1, algorithm='auto')
n_clusters->最終要形成的簇的個數(shù)
init: {‘k-means++’, ‘random’ or an ndarray}->獲取初始化質(zhì)心的方法
Method for initialization, defaults to ‘k-means++’:
‘k-means++’ : selects initial cluster centers for k-mean clustering in a smart way to speed up convergence. See section Notes in k_init for more details.
‘random’: choose k observations (rows) at random from data for the initial centroids.
If an ndarray is passed, it should be of shape (n_clusters, n_features) and gives the initial centers.
在scikit-learn中，有個栗子是對比‘init: {‘k-means++’, ‘random’ or an ndarray}’中，不同的獲取初始質(zhì)心的方法將會影響K-means方法的聚類效果沃琅。
圖6中代碼的仿真圖：
圖7中代碼仿真圖：
scikit-learn中KMeans模型基本介紹到這里宣羊，希望對大家有所幫助澈蚌，也請大牛不吝賜教盔几！
