sklearn中聚类（部分）

下图为主要介绍的几个聚类方法： 1、 k均值（K-means） ▲在指定n个类别后，最小化类别中样本到类别均值样本的距离，公式如下： 其中，Ci为划分，ui为每个划分的均值向量，k=n。K-均值是相当于一个小、 全等、 对角协方差矩阵的期望最大化算法。 ▲该方法有以下缺点： 有个前提：集群是凸和各向同性的。对长条形、流行以及不规则形的集群响应不好。 惯性不是归一化的度量：仅仅知道值越低越好。但是在

>>阅读原文<<