一、聚类的概念
根据样本之间的相似性，将样本划分到不同的类别中的一种无监督学习算法。
细节：根据样本之间的相似性，将样本划分到不同的类别中；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。聚类算法的目的是在没有先验知识的情况下，自动发现数据集中的内在结构和模式。计算样本和样本之间的相似性，一般使用欧式距离。
二、聚类算法分类
根据聚类颗粒度分类：细粒度和粗粒度。
根据实现方法分类：
基于划分的聚类：K-means算法->按照质心(一个簇的中心位置,通过均值计算)分类；
基于层次的聚类：DIANA（自顶向下）AGNES（自底向上）；
基于密度的聚类: DBSCAN算法
......
三、Kmeans算法流程/原理
K值的含义：表示聚类个数，参数n_clusters就是指定k值的。
API：sklearn.cluster.KMeans
流程：1.事先确定常数k，即最终聚类类别数；
2.随机选择k个样本作为初始聚类中心；
3.计算每个样本到k个中心的距离，选择最近的聚类中心点作为标记类别；
4.根据每个类别中的样本点，重新计算出新的聚类中心点（平均值），如果计算得出的新中心点与原中心点一样则停止聚类，否则重新进行第三步过程，直到聚类中心不在变化或者达到最大迭代次数。
四、聚类评估方法
1.SSE“肘”方法
计算簇内误差的平方和，SSE越小，聚类效果越好
其中：K 表示聚类中心的个数、Ci 表示簇、p 表示样本、mi 表示簇的质心
每次聚类完成要计算SSE，SSE会逐渐变小，变化过程中会出现一个拐点（即下降率突然变缓）认为是最佳n_clusters值。
在决定什么时候停止训练时，肘形判据同样有效，数据通常有更多的噪音，在增加分类无法带来更多回报时，我们停止增加类别。
2.SC轮廓系数
综合考虑簇内的内聚程度与簇间的分离程度，SC越大，聚类效果越好
其中：a是样本i到同一簇内其他不相似程度的平均值（a越小越好）；b是样本i到其他簇的平均不相似程度的最小值（b越大越好）
3.CH轮廓系数
综合考虑簇内的内聚程度、簇间的分离程度、质心的个数，CH越大，聚类效果越好
SSW：
Cpi 表示质心、xi 表示某个样本、SSW 值是计算每个样本点到质心的距离，并累加起来、SSW 表示表示簇内的内聚程度，越小越好、m 表示样本数量、k 表示质心个数
SSB：
Cj 表示质心，X 表示质心与质心之间的中心点，nj 表示样本的个数、SSB 表示簇与簇之间的分离度，SSB 越大越好
(A-E))
