一、K-means
1.基本概念
聚成多少个簇：需要指定K的值
距离的度量：一般采用欧式距离
距离：
曼哈顿距离：
欧式距离：
2.聚类效果的评价方式：轮廓系数
a（i）：对于第i个元素xi，计算xi与其同一个簇内所有其他元素距离的平均值，表示了簇内的凝聚程度。
b（i）：选取xi外的一个簇，计算xi与该簇内所有点距离的平均距离，遍历其他所有簇，取所有平均值中最小的一个，表示簇间的分离度。
计算所有x的轮廓系数，求出平均值即为当前聚类的整体轮廓系数。
轮廓系数的评价：
1.轮廓系数范围在[-1，1]之间。该值越大，越合理。
2.si接近1，则说明样本i聚类合理；
3.si接近-1，则说明样本i更应该分类到另外的簇；
4.若si近似为0，则说明样本i在两个簇的边界上。
3.K-means的API参数
classsklearn.cluster.KMeans(n_clusters=8,init=’kmeans++’,n_init=10,max_iter=300,tol=0.0001,precompute_distances=’auto’,verbose=0,random_state=None,copy_x=True,n_jobs=None,algorithm=’auto’)[source]
n_clusters:类中心的个数,就是要聚成几类。【默认是8个】
init：参初始化的方法，默认为'k-means++'
(1)'k-means++':用一种特殊的方法选定初始质心从而能加速迭代过程的收敛.
(2)‘random’:随机从训练数据中选取初始质心。
(3)如果传递的是一个ndarray，则应该形如 (n_clusters, n_features) 并给出初始质心。
4.优缺点
优点：简单，快速，适合常规的数据集。
缺点：1.K值难以确定。2.很难发现任意形状的簇。
二、DBSCAN
1.概念
基于密度的带噪声的空间聚类应用算法，它是将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并在噪声的空间数据集中发现任意形状的聚类。
2.实现过程
1.输入数据集
2.指定半径
3.指定密度阈值
3.DBSCAN的API参数
classsklearn.cluster.DBSCAN(eps=0.5,min_samples=5,metric=’euclidean’,metric_params=None,algorithm=’auto’,leaf_size=30,p=None,n_jobs=None)
eps： DBSCAN算法参数，即我们的ϵϵ-邻域的距离阈值，和样本距离超过ϵϵ的样本点不在ϵϵ-邻域内。默认值是0.5.一般需要通过在多组值里面选择一个合适的阈值。eps过大，则更多的点会落在核心对象的ϵϵ-邻域，此时我们的类别数可能会减少， 本来不应该是一类的样本也会被划为一类。反之则类别数可能会增大，本来是一类的样本却被划分开。
min_samples： DBSCAN算法参数，即样本点要成为核心对象所需要的ϵϵ-邻域的样本数阈值。默认值是5. 一般需要通过在多组值里面选择一个合适的阈值。通常和eps一起调参。在eps一定的情况下，min_samples过大，则核心对象会过少，此时簇内部分本来是一类的样本可能会被标为噪音点，类别数也会变多。反之min_samples过小的话，则会产生大量的核心对象，可能会导致类别数过少。
