1. K-Means算法是一种广泛使用的聚类算法。
from sklearn.cluster import KMeans
K-Means是聚焦于相似的无监督的算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类。K值指的是把数据划分成多少个类别。
算法步骤：随机设置K个特征空间内的点作为初始的聚类中心。对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记类别。接着，对着标记的聚类中心之后，重新计算出每个聚类的新中心点（平均值）。如果计算得出的新中心点与原中心点一样，那么结束，否则重新进行第二步过程。
KMeans(n_clusters=8,init=‘k-means++’)
参数：
n_clusters：开始的聚类中心数量
init：初始化方法，默认为k-means++
例：用户对物品类别的喜好分类
需求：将PCA案例中用户数据特征（商品信息、订单与商品信息、用户的订单信息、商品所属具体物品类别）使用K-Means进行分类。
链接：https://pan.baidu.com/s/1THkh7j3-PH7HoZbwxVnmTg
提取码：51d7
products.csv 商品信息
order_products__prior.csv 订单与商品信息
orders.csv 用户的订单信息
aisles.csv 商品所属具体物品类别
import pandas as pd
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from sklearn.metrics import silhouette_score
# 读取四张表的数据
prior = pd.read_csv("order_products__prior.csv")
products = pd.read_csv("products.csv")
orders = pd.read_csv("orders.csv")
aisles = pd.read_csv("aisles.csv")
# 合并四张表到一张表 （用户-物品类别）
_mg = pd.merge(prior, products, on=['product_id', 'product_id'])
_mg = pd.merge(_mg, orders, on=['order_id', 'order_id'])
mt = pd.merge(_mg, aisles, on=['aisle_id', 'aisle_id'])
cross = pd.crosstab(mt['user_id'], mt['aisle'])
# 进行主成分分析
pca = PCA(n_components=0.9)
x = pca.fit_transform(cross)
# 假设用户一共分为四个类别
km = KMeans(n_clusters=4)
km.fit(x)
predict = km.predict(x)
print(predict)
# 显示聚类的结果
plt.figure(figsize=(10, 10))
# 建立四个颜色的列表
colored = ['orange', 'green', 'blue', 'purple']
colr = [colored[i] for i in predict]
plt.scatter(x[:, 1], x[:, 20], color=colr)
plt.xlabel("1")
plt.ylabel("20")
plt.show()输出：
[3 0 3 ... 0 2 3]
聚类性能评估指标：轮廓系数
from sklearn.metrics import silhouette_score
对于每个点i为已聚类数据中的样本，bi为i到其它族群的所有样本的平均距离，ai为i到本身簇的距离平均值，最终计算出所有的样本点的轮廓系数平均值。
如果sci小于0，说明ai的平均距离大于最近的其他簇。 聚类效果不好。
如果sci越大，说明ai的平均距离小于最近的其他簇。 聚类效果好。
轮廓系数的值是介于 [-1,1] ，越趋近于1代表内聚度和分离度都相对较优。
计算上面用户消费案例的轮廓系数：
# 评判聚类效果，轮廓系数
print(silhouette_score(x, predict))sklearn.metrics.silhouette_score(X, labels) 计算所有样本的平均轮廓系数
参数：
X：特征值
labels：被聚类标记的目标值
输出：
0.43602642864601127
K-Means的优点：采用迭代式算法，直观易懂并且非常实用
K-Means的缺点：容易收敛到局部最优解；需要预先设定簇的数量（解决方法分别可以是：多次聚类、K-means++）。