聚类算法学习总结

一、基本理解
        一种典型的无监督学习算法，主要用于将相似的样本自动归到一个类别中。在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。
二、API
klearn.cluster.KMeans(n_clusters=8)
参数:n_clusters:开始的聚类中心数量整型，缺省值=8，生成的聚类数，即产生的质心（centroids）数。
方法:estimator.fit(x)
        estimator.predict(x)
        estimator.fit_predict(x)  把训练和预测合并到一起
计算聚类中心并预测每个样本属于哪个类别,相当于先调用fit(x),然后再调用predict(x)
基本聚类算法：
import matplotlib.pyplot as plt
# from sklearn.datasets.samples_generator import make_blobs 已经废弃

聚类算法学习总结最先出现在Python成神之路。