sklearn中聚類（部分）

下圖爲主要介紹的幾個聚類方法： 1、 k均值（K-means） ▲在指定n個類別後，最小化類別中樣本到類別均值樣本的距離，公式如下： 其中，Ci爲劃分，ui爲每個劃分的均值向量，k=n。K-均值是相當於一個小、 全等、 對角協方差矩陣的期望最大化算法。 ▲該方法有以下缺點： 有個前提：集羣是凸和各向同性的。對長條形、流行以及不規則形的集羣響應不好。 慣性不是歸一化的度量：僅僅知道值越低越好。但是在

>>阅读原文<<