7.0 KMeans 聚类分析

1. KMeans原理

使用欧式距离，相似的事物的距离测量更短，不相似的距离更长。

image.png

image.png

image.png

分类和聚类的区别

两者的目标不一样，操作对象不一样
分类：拿到点，进行类别的划分，属于哪个类
聚类：拿到一组数据，进行类别的标注

特点

基于距离测量，准确度比较高，效率比较低（如果量级很大，比如200个特征，算法复杂度很高，要对所有样本点都进行距离的测量，而且要多次迭代进行运算）。

决定聚为几类，评价策略仅仅告知此种聚类效果好不好，真正决定应该聚为几类是业务需求说了算，而不是算法说了算。
需要聚为2类，那就怎么处理2类区分的更好。
比如对用户进行推广，高端商品推广高端用户，低端商品推广低端客户。

image.png

聚类分析时最好把特征值转换成高斯分布，因为高斯分布在此量级上效率会有所提升，且高斯分布能降噪。

KMeans常用场景

用户分群

image.png