大家早安、午安、晚安啦，今天继续学习scikit-learn中K-means聚类模型。在scikit-learn 中聚类的模型很多，可以见下面截图：
而上述这些算法的差异性见下图：
感觉好复杂的样子，辣么，先学K-means好啦，貌似是最简单的聚类。
在scikit-learn中，k-means算法是基于KMeans模型来实现，其基本的思想还是利用上一篇无监督学习K-means聚类算法笔记-Python中提到的最小化SSE(误差平方和)来逐步迭代求解质心，将数据分为不同的簇。
上面提到的Inertia就是SSE。K-means方法的主要缺陷如下：
1）Inertia(SSE)其实是假设簇是具有凸的且同极性的（因为他是最小化与质心的距离），但是事实不一定是这样的，因此，当遇到分布式狭长的或者具有很多小分支的不规则分布的数据(It responds poorly to elongated clusters, or manifolds with irregular shapes.)时，该聚类方法的错误率就提高了，比如下图中的分类
2）Inertia(SSE)并不是一个标准化的指标，我们只知道这个数值是越小越好且如果为0是最优的，但是在高维度特征值的数据集中，在计算欧式距离时，因为维度很高，导致距离公式急速膨胀，出现所谓的高维灾难。此时，就需要先用一些方法降维，然后再采用Kmeans算法。
具体来看看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->最终要形成的簇的个数
init: {‘k-means++’, ‘random’ or an ndarray}->获取初始化质心的方法
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，有个栗子是对比‘init: {‘k-means++’, ‘random’ or an ndarray}’中，不同的获取初始质心的方法将会影响K-means方法的聚类效果。
图6中代码的仿真图：
图7中代码仿真图：
scikit-learn中KMeans模型基本介绍到这里，希望对大家有所帮助，也请大牛不吝赐教！
