无监督学习：kmeans聚类

击上方

“蓝色字”

可关注我们！

今日分享：kmeans聚类

一：前言

到今天为止，机器学习专题系列文章所分享的监督学习模型就暂告一段落，不难发现，这些模型的中心就是回归；接下来把常用的无监督学习分享一下

简单来说，无监督学习是指在给定的数据集中，不存在实现给定的目标值，也就是不指定某个样本是哪一类，无监督学习要做的就是把特征值类似的样本数据划分为一类，划分的依据则是根据数据的特征（具体如何处理他们的特征，则是看具体的算法是怎么处理的，一般是根据样本之间的距离来进行类的划分）。在无监督学习中，主要聚类方法就是kmeans（基于距离），当然还有别的比如dbscan（基于密度）等。

先通过一个例子看一下聚类的前后对比图，图示将原始数据集聚成了三类：

聚类前 聚类后

二：kmeans聚类流程

1、随机选取k（k值代表类的个数）个样本数据点作为初始的聚类中心。

2、分别计算其他每个点计算到k个中心点的距离（通常使用欧几里得距离），选择距离最近的中心点并做上类标记。

3、接着对着标记后的每个类中的数据样本，重新计算出每个聚类下的的新中心店（往往取样本每个特征维度的平均值作为新的聚类中心点）。

4、重复执行第二步，如果计算得出的新中心点与原中心点一样，也就是每个类中的数据与前一次的聚类结果一样，那么结束执行即可，此时聚类已经完成。

三：sklearn中k-means模型API

主要参数

四：kmeans性能评估指标

轮廓系数计算公式

注：对于每个点i为已聚类数据中的样本，b_i 为i 到其它族群的所有样本的平均

距离，a_i 为i 到本身簇的距离平均值，最终计算出所有的样本点的轮廓系数平均值。

如果 sci 小于0，说明a_i的平均距离大于最近的其他簇，聚类效果不好；

如果 sci 越大，说明a_i的平均距离小于最近的其他簇，聚类效果好；

轮廓系数的值是介于 [-1,1] ，越趋近于1代表内聚度和分离度都相对较优。

五：Kmeans性能评估指标API

主要参数

六：Kmeans总结

特点：采用迭代式算法，直观易懂并且非常实用

缺点：容易收敛到局部最优解(多次聚类)

需要预先设定簇的数量(k-means++解决)

公众号QQ群

扫QQ群二维码进交流学习群