先把来源写上

来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities

往期文章：

K-means算法

k - means 是无监督学习的一种，主要用于分类

1. 首先确定K值，就是类别数，我们想把数据分为几类。
2. 根据k值随机选取K个点，作为中心点，分别计算其余各个点到这K个点的距离。对于每一个非中心点，找到离它最近的那个中心点，把这个非中心点和对应的中心点归为一类。
3. 计算每个类别中所有点的均值，作为新的中心点，然后重复以上动作，再次计算每个点到新的中线点的距离，找的离它最近的归为一类，再次计算中心点
4. .如果中心点不变了，就得到了最终的聚类中心，每个点找到离它最近的中心点，就完成了聚类。

K-means中K值的选取

from sklearn.cluster import KMeans
wcss = []
for k in range(1,15):
    kmeans = KMeans(n_clusters=k)
    kmeans.fit(x)
    wcss.append(kmeans.inertia_)
plt.plot(range(1,15),wcss)
plt.xlabel("k values")
plt.ylabel("WCSS")
plt.show()

--------------------- 
作者：毛利学python 
来源：CSDN 
原文：https://blog.csdn.net/weixin_44510615/article/details/92021326 
版权声明：本文为博主原创文章，转载请附上博文链接！

手写k-means

k-means读取图片 （这里的k是颜色的个数）

基于K-means的用户分层

数据是这样的：不同的公司举行了不同的优惠活动，每个用户参加了多个活动

数据透视表

用k-mean将用户分类出来

寻找k值