Python部落(python.freelycode.com)组织翻译，禁止转载，欢迎转发。
前提条件
特定领域的经验要求：无
专业经验要求：无行业经验
不需要机器学习的知识，但是读者应该熟悉基本的数据分析（如，描述性分析）。为了实践该示例，读者也应该熟悉Python。
K-means聚类简介
K-means聚类是一种无监督学习，用于有未标记的数据时（例如，数据没有定义类别或组）。该算法的目标是在数据中找到分组，变量K代表分组的个数。该算法迭代地分配每个数据点到提供特征的K分组中的一个。数据点基于特征相似性聚集。K-means聚类算法的结果是：
1. K聚类的质心，它可以用来标记新数据
2. 训练数据标记（每个数据点被分配到一个单一的集群 ）
聚类允许你发现和分析有机形成的组，而不是在查看数据之前定义组。下面例子中“选择K”的步骤描述如何确定组的数目。
集群的每个质心都是特征值的集合，它定义所产生的组。检查质心特征权重可以用来定性解释每个集群代表什么样的组。
这篇K-means聚类算法涵盖了：
使用K-means的常见商业案例 运行该算法所涉及的步骤 使用一个配送车队数据的Python示例
商业用途
K-means聚类算法用来查找那些包含没有明确标记数据的组。这可以用于确定商业假设，存在什么类型的分组或为复杂的数据集确定未知组。一旦该算法已运行并定义分组，任何新数据可以很容易地分配到正确的组。
这是一个通用算法，可以用于任何类型的分组。用例的一些例子是：
行为细分
根据购买历史细分 根据应用程序、网站或平台上的活动细分 定义基于利益的角色 基于活动监视创建图表
库存分类 传感器测量数据分类
检测运动传感器中的活动类型 图片分组 分离音频 健康检测中的分组
检测机器人或异常
来自机器人的单独有效活动组 清理孤立点检测的有效活动组
此外，监测是否一个被跟踪的数据点随着时间在组之间切换，这可以用来检测数据有意义的变化。
算法
Κ-means聚类算法使用迭代细化来产生最终的结果。该算法的输入是聚类的数目Κ和数据集。数据集是每个数据点特征的集合。该算法从为K质点初始估计开始，它可以随机生成或从数据集中随机选择。然后该算法在以下两步之间迭代：
1. 数据分配步骤
每个质点定义一个聚类。在本步骤中，每个数据点被分配到离它最近的质心，基于欧氏距离的平方。更准确地说，如果ci是集合C质心的集合，然后每个数据点x被分配到一个聚类，基于
dist( )是标准(L2)欧氏距离。数据点集分配每个ith聚类质心Si。
2. 质心更新步骤：
在本步骤中，质心被重新计算。这通过分配所有数据点的平均值到质心的聚类来实现。
该算法在步骤1和步骤2之间迭代直到满足停止标准（如，没有数据点改变聚类，距离之和最小化，或者达到了最大的迭代次数）。
该算法保证收敛到一个结果。其结果可能是一个局部最优（例如，不一定是最好的结果），意思是使用随机开始质心评估多个运行的算法可能给出更好的结果。
选择K
上述算法查找聚类和一个特定的预先选定K的带标记的数据。为了查找数据中的聚类个数，用户需要为在K值范围内运行K-means聚类算法并比较结果。总体而言，目前还没有确定K精确值的方法，但可以使用以下技术获得准确的估计。
通常用于比较不同K值结果的度量之一是数据点和它们聚类质心的平均距离。由于增加聚类的数量总是会减少数据点的距离，增加K总
是会降低这个度量，当k与数据点数相同时达到极值。因此，这个度量不能作为唯一的指标。相反，平均距离到质心作为一个函数的K
被绘制并且急剧下降率的地方“肘点”，可用于大致确定K。
有许多其它技术确认K，包括交叉验证、信息标准、信息理论跳法、影像法和G-means算法。另外，监测数据点跨组分布可以深入了解
该算法如何为每个k分割数据。
示例：应用K-Means聚类到配送车队数据
举例来说，我们将展示K-means算法如何处理配送车队司机数据的样本数据集。简单起见，我们只会看两个司机特征：平均每天驾驶距离和一个司机 | 
注册
登录
