机器学习----k-means聚类
1.聚类
使用某种策略将一些对象分成若干个集合，使同一个集合内的对象比较相似，而属于不同集合的对象之间存在较大的差异。
2.聚类与分类的区别
1）数据分类，是根据新对象的属性将其分配到一个正确的类别中。
2）数据聚类，判断数据是否属于各个独立的分组，使得同一个组的对象相似，不同组间对象差异较大。
3.聚类算法的指标
1）均一性p（准确率）：一个簇中包含一个类别的样本，均满足均一性。
（每个簇中正确分类的样本数占该簇的样本总数的比例和）
2）完整性r：同类别的样本被归到相同的簇中。
3）V-measure：均一性+完整性的加权平均
V=[(1+BB)pr]/BB*p+r
4)调整兰德系数（RI）
RI值越大，聚类效果越吻合
4.什么是层次聚类
层次聚类试图在不同层次对数据集进行划分，从而形成树形的聚类结构。
（不需要提前确定K值，处理不规则的散点图。）
5.层次聚类的两种策略
1）自下而上法：凝聚型层次聚类，就是一开始每个个体（object）都是一个类，然后根据linkage寻找同类，最后形成一个“类”。
2）自上而下法：分裂型层次聚类，就是反过来，一开始所有个体都属于一个“类”，然后根据linkage排除异己，最后每个个体都成为一个“类”。
6.K-MEANS聚类（ 迭代 求解的聚类分析算法）
算法思想：
从初始样例集D中随机选取K个样例作为K个簇中心
计算样例与每个簇中心的欧式距离，然后将其放入最近的簇中心所对应的簇中
重新计算每个簇中心
如果本次计算的簇中心与上一次的相同，则结束聚类过程。
备注1：
（K值确定，随着迭代次数趋向无穷， 个中心点必然会收敛，即对于每种确定的初值选取方式，聚类结果是唯一确定的。经过有限次迭代后，目标函数值与中心点位置都会恒为常量，即该算法迭代过程不是一直无限逼近极小值点的过程，而是经过有限步逼近后，必然会严格等于极小值点，此后再进行迭代，划分方法、中心点、目标函数等都不会再改变。由于对于给定的初值，每一步的过程是完全确定的，不含随机因素。所以对于给定初值，聚类结果是唯一确定的。）
备注2：
（虽然对于给定的初值，算法可以保证收敛，但是对于不同的初值选取情况，算法收敛到的结果可能是不一样的。显然，对于不同的类别数 ，聚类结果必然不同。所以初始中心位置（或初始划分方式）与类别数 是该算法需要调节的超参数。）
7.K-Means聚类优点
（1）简单：k-means并从复杂的数据集中识别未知的数据组
（2）适用于大数据集
（3）k-means 产生更紧密的集群，尤其是球状集群。
8.K-Means聚类缺点
（1）取值顺序：构建算法时数据的排序方式会影响数据集的最终结果。
（2）K-means算法只能在数值数据中进行
（3）随机选择聚类模式会产生不同的聚类结果，从而导致不一致。