前面介绍的线性回归、逻辑回归和决策树都是监督算法，这篇文章将介绍聚类算法，它是一个无监督的算法。
聚类算法会根据对象某些属性得相似度，将其自动划分为不同得类别。常用的聚类算法有 KMeans（K-均值）、Mean-shift（均值漂移聚类算法）、DBSCAN（基于密度的空间聚类算法）
KMeans（K-均值）
KMeans（K-均值）的算法流程：
- 确定当前数据有多少个类型（或者叫做簇），假设为 k 个从数据中随机选取 K 个点，作为初始的聚类中心分别计算每个样本点到各个聚类中心的距离，并逐个分配到距离其最近的簇中所有点分配完成后，更新K个类中心位置，类中心定义为簇内所有点在各个维度的均值；与前一次计算得到的K个聚类中心比较，如果聚类中心点发生变化，转至步骤3；如果聚类中心点不变化，则停止迭代
效果如下图所示：
Mean-shift（均值漂移算法）
Mean-shift（均值漂移算法）的算法流程:
- 随机选择未分类点作为中心点找出离中心点距离在带宽（我们来设置）之内的点，记作集合S计算从中心点到集合S中每个元素的偏移向量M中心点以向量M移动重复步骤2-4，直到收敛重复1-5直到所有的点都被归类分类：根据每个类，对每个点的访问频率，取访问频率最大的那个类，作为当前点集的所属类
效果如下图所示：
DBSCAN（基于密度的空间聚类算法）
DBSCAN 的算法流程：
- 寻找核心点形成临时聚类簇。扫描全部样本点，如果某个样本点R半径范围内点数目>=MinPoints，则将其纳入核心点列表，并将其密度直达的点形成对应的临时聚类簇。合并临时聚类簇得到聚类簇。对于每一个临时聚类簇，检查其中的点是否为核心点，如果是，将该点对应的临时聚类簇和当前临时聚类簇合并，得到新的临时聚类簇。重复2的操作，直到当前临时聚类簇中的每一个点要么不在核心点列表，要么其密度直达的点都已经在该临时聚类簇，该临时聚类簇升级成为聚类簇。继续对剩余的临时聚类簇进行相同的合并操作，直到全部临时聚类簇被处理。
效果如下图所示：
总结
| KMeans（K-均值） | Mean-shift（均值漂移算法） | DBSCAN（基于密度的空间聚类算法） | |
|---|---|---|---|
| 特点 | 1. 实现简单，收敛快；2. 需要指定类别数量 | 1. 自动发现类别数量，不需要人工选择；2. 需要选择区域半径 | 1. 过滤噪声数据；2. 不需要人为选择类别数量；3. 数据密度不同时影响结果 |
| 缺点 | 1. 对初始点敏感，算法的输出可能会受到初始中心点选择的影响，这可能导致局部最优而非全局最优解；2. KMeans更适用于凸形状（例如圆形、球形）的集群，对于非凸形状（例如环形）的集群处理能力较差。 | 1. 缺乏模板更新机制。；2. 跟踪过程中窗口宽度保持不变，目标尺度变化时跟踪效果不佳；3. 目标速度较快时，跟踪效果不好 | 1. 不能很好反映高维数据。2. 该算法难以适应密度不均匀的数据集 |
| 应用场景 | 文档分类；客户分类 | 图形分割、目标跟踪 | 异常检测；图形处理 |
