一、無監督學習概述

• 什麼是無監督學習

  之所以稱為無監督，是因為模型學習是從無標籤的資料開始學習的。

• 無監督學習包含演算法

  • 聚類
    • K-means(K均值聚類)
  • 降維
    • PCA

二、K-means原理

• K-means聚類步驟

  1. 隨機設定K個特徵空間內的點作為初始的聚類中心
  2. 對於其他每個點計算到K箇中心的距離，未知的點選擇最近的一個聚類中心點作為標記類別
  3. 接著對著標記的聚類中心之後，重新計算出每個聚類的新中心點（平均值）
  4. 如果計算得出的新中心點與原中心點一樣，那麼結束，否則重新進行第二步過程

• 圖片助解

  

三、K-means - API

sklearn.cluster.KMeans(n_clusters=8,init=‘k-means++’)

• k-means聚類
• n_clusters
  • 開始的聚類中心數量
• init
  • 初始化方法，預設為’k-means ++’
• labels_
  • 預設標記的型別，可以和真實值比較（不是值比較）

四、K-means效能評估指標

1. 輪廓係數

​
$s{c}_i=\frac{b_i}{}$

注：

• 對於每個 i 點是已聚類資料中的樣本點 ， $b_i$ 為 i 點到其它簇中所有樣本點的距離的最小值， $a_i$ 為 i 到自身簇的所有樣本點的距離的平均值。最終計算出所有的樣本點的輪廓係數平均值

2. 輪廓係數值分析

• 根據公式極端值考慮：
  • 如果 $b_i >>a_i$ 那麼公式結果趨近於 1，效果好。
  • 如果 $a_i>>b_i$ 那麼公式結果趨近於 -1，效果不好。
• 輪廓係數的值是介於 [-1,1] ，越趨近於1代表內聚度和分離度都相對較優。

3. 輪廓係數 - API

sklearn.metrics.silhouette_score(X, labels)

• 計算所有樣本的平均輪廓係數
• X
  • 特徵值
• labels
  • 被聚類標記的目標值

未完待續…