K-Means
原创转载请注明出处：https://www.cnblogs.com/agilestyle/p/12870414.html
K-Means
K-Means 是一种无监督学习，解决的是聚类问题。K 代表的是 K 类，Means 代表的是中心，这个算法的本质是确定 K 类的中心点，当找到了这些中心点，也就完成了聚类。
K-Means 的工作原理：
- 选取 K 个点作为初始的类中心点，这些点一般都是从数据集中随机抽取的；
- 将每个点分配到最近的类中心点，这样就形成了 K 个类，然后重新计算每个类的中心点；
- 重复第二步，直到类不发生变化，或者你也可以设置最大迭代次数，这样即使类中心点发生变化，但是只要达到最大迭代次数就会结束。
sklearn 中的 K-Means 算法
在 K-Means 类创建的过程中，有一些主要的参数：
- n_clusters: 即 K 值，一般需要多试一些 K 值来保证更好的聚类效果。可以随机设置一些 K 值，然后选择聚类效果最好的作为最终的 K 值；
- max_iter： 最大迭代次数，如果聚类很难收敛的话，设置最大迭代次数可以让我们及时得到反馈结果，否则程序运行时间会非常长；
- n_init：初始化中心点的运算次数，默认是 10。程序是否能快速收敛和中心点的选择关系非常大，所以在中心点选择上多花一些时间，来争取整体时间上的快速收敛还是非常值得的。由于每一次中心点都是随机生成的，这样得到的结果就有好有坏，非常不确定，所以要运行 n_init 次, 取其中最好的作为初始的中心点。如果 K 值比较大的时候，可以适当增大 n_init 这个值；
- init： 即初始值选择的方式，默认是采用优化过的 k-means++ 方式，也可以自己指定中心点，或者采用 random 完全随机的方式。自己设置中心点一般是对于个性化的数据进行设置，很少采用。random 的方式则是完全随机的方式，一般推荐采用优化过的 k-means++ 方式；
- algorithm：k-means 的实现算法，有“auto”、 “full”、 “elkan”三种。一般来说建议直接用默认的"auto"。简单说下这三个取值的区别，如果选择"full"采用的是传统的 K-Means 算法，“auto”会根据数据的特点自动选择是选择“full”还是“elkan”。一般选择默认的取值，即“auto” 。
Summary
如何确定 K 类的中心点
其中包括了初始的设置，以及中间迭代过程中中心点的计算。在初始设置中，会进行 n_init 次的选择，然后选择初始中心点效果最好的为初始值。在每次分类更新后，都需要重新确认每一类的中心点，一般采用均值的方式进行确认。
如何将其他点划分到 K 类中
这里实际上是关于距离的定义，距离有多种定义的方式，在 K-Means 和 KNN 中，都可以采用欧氏距离、曼哈顿距离、切比雪夫距离、余弦距离等。对于点的划分，就看它离哪个类的中心点的距离最近，就属于哪一类。
如何区分 K-Means 与 KNN
首先，这两个算法解决数据挖掘的两类问题。K-Means 是聚类算法，KNN 是分类算法。
这两个算法分别是两种不同的学习方式。K-Means 是无监督学习，也就是不需要事先给出分类标签，而 KNN 是有监督学习，需要给出训练数据的分类标识。
最后，K 值的含义不同。K-Means 中的 K 值代表 K 类。KNN 中的 K 值代表 K 个最接近的邻居。
监督学习和无监督学习区别
监督学习
- 目标明确
- 需要带标签的训练数据
- 效果容易评估
无监督学习
- 目标不明确
- 不需要带标签的数据
- 效果很难评估
Reference
https://time.geekbang.org/column/article/81390
https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
原文：https://www.cnblogs.com/agilestyle/p/12870414.html