13. 机器学习——非监督学习 K-means （笔记）

非监督学习的特点？
13. 机器学习——非监督学习 K-means （笔记）
物以类聚，人以群分

非监督学习(unsupervised learning)的方法主要有 K - means
13. 机器学习——非监督学习 K-means （笔记）

k-means步骤

• sklearn.cluster.KMeans

13. 机器学习——非监督学习 K-means （笔记）

13. 机器学习——非监督学习 K-means （笔记）

b_i>>a_i: 趋近于1 效果最好
b_i<<a_i:趋近于趋近于-1，效果不好，效果不好
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

• sklearn.metrics.silhouette_score

sklearn.metrics.silhouette_score(X, labels)
• 计算所有样本的平均轮廓系数
• X：特征值
• labels：被聚类标记的目标值

13. 机器学习——非监督学习 K-means （笔记）