聚类算法Kmeans

sklearn中的聚类算法K-Means
　　1 概述
　　　　1.1 无监督学习与聚类算法
　　　　1.2 sklearn中的聚类算法
　　2 KMeans
　　　　2.1 KMeans是如何工作的
　　　　2.2 簇内误差平方和的定义和解惑
　　　　2.3 KMeans算法的时间复杂度
　　3 sklearn.cluster.KMeans
　　　　3.1 重要参数n_clusters
　　　　　　3.1.1 先进行一次聚类看看吧
　　　　　　3.1.2 聚类算法的模型评估指标
　　　　　　　　3.1.2.1 当真实标签已知的时候
　　　　　　　　3.1.2.2 当真实标签未知的时候：轮廓系数
　　　　　　　　3.1.2.3 当真实标签未知的时候：Calinski-Harabaz Index
　　　　　　3.1.3 案例：基于轮廓系数来选择n_clusters
　　　　3.2 重要参数init & random_state & n_init：初始质心怎么放好?
　　　　3.3 重要参数max_iter & tol：让迭代停下来
　　　　3.4 重要属性与重要接口
　　　　3.5 函数cluster.k_means
　　4 案例：聚类算法用于降维，KMeans的矢量量化应用
　　5 附录
　　　　5.1 KMeans参数列表
　　　　5.2 KMeans属性列表
　　　　5.3 KMeans接口列表