一、聚類的概念
根據樣本之間的相似性，將樣本劃分到不同的類別中的一種無監督學習算法。
細節：根據樣本之間的相似性，將樣本劃分到不同的類別中；不同的相似度計算方法，會得到不同的聚類結果，常用的相似度計算方法有歐式距離法。聚類算法的目的是在沒有先驗知識的情況下，自動發現數據集中的內在結構和模式。計算樣本和樣本之間的相似性，一般使用歐式距離。
二、聚類算法分類
根據聚類顆粒度分類：細粒度和粗粒度。
根據實現方法分類：
基于劃分的聚類：K-means算法->按照質心(一個簇的中心位置,通過均值計算)分類；
基于層次的聚類：DIANA（自頂向下）AGNES（自底向上）；
基于密度的聚類: DBSCAN算法
......
三、Kmeans算法流程/原理
K值的含義：表示聚類個數，參數n_clusters就是指定k值的。
API：sklearn.cluster.KMeans
流程：1.事先確定常數k，即最終聚類類別數；
? ? ? ? ? ?2.隨機選擇k個樣本作為初始聚類中心；
? ? ? ? ? ?3.計算每個樣本到k個中心的距離，選擇最近的聚類中心點作為標記類別；
? ? ? ? ? ?4.根據每個類別中的樣本點，重新計算出新的聚類中心點（平均值），如果計算得出的新中心點與原中心點一樣則停止聚類，否則重新進行第三步過程，直到聚類中心不在變化或者達到最大迭代次數。
四、聚類評估方法
1.SSE“肘”方法
計算簇內誤差的平方和，SSE越小，聚類效果越好
其中：K 表示聚類中心的個數、Ci 表示簇、p 表示樣本、mi 表示簇的質心
每次聚類完成要計算SSE，SSE會逐漸變小，變化過程中會出現一個拐點（即下降率突然變緩）認為是最佳n_clusters值。
在決定什么時候停止訓練時，肘形判據同樣有效，數據通常有更多的噪音，在增加分類無法帶來更多回報時，我們停止增加類別。
2.SC輪廓系數
綜合考慮簇內的內聚程度與簇間的分離程度，SC越大，聚類效果越好
其中：a是樣本i到同一簇內其他不相似程度的平均值（a越小越好）；b是樣本i到其他簇的平均不相似程度的最小值（b越大越好）
3.CH輪廓系數
綜合考慮簇內的內聚程度、簇間的分離程度、質心的個數，CH越大，聚類效果越好
SSW：
Cpi 表示質心、xi 表示某個樣本、SSW 值是計算每個樣本點到質心的距離，并累加起來、SSW 表示表示簇內的內聚程度，越小越好、m 表示樣本數量、k 表示質心個數
SSB：
Cj 表示質心，X 表示質心與質心之間的中心點，nj 表示樣本的個數、SSB 表示簇與簇之間的分離度，SSB 越大越好
(A-E))
