目录
- 1. 简介
- 2. kmean算法过程
- 2.1 簇个数的选择
- 2.2 聚类评价指标
- 2.2.1 轮廓系数
- 2.2.2 紧密性指标
- 2.2.3 间隔性指标
- 3. 代码
- 4. 输出结果
- 4.1 命令行输出
- 4.2 可视化
- 4.3 穷举k法指标
1. 简介
kmean 是无监督学习的一种算法，主要是用来进行聚类分析的，他会在数据集中算出几个点作为簇中心，求这些数据集与这些簇中心的距离，并将距离同一个簇中心距离最近的数据归为一类。因此，kmean最重要的地方便是关于簇中心的选择。
他的算法流程简单总结如下
- 簇个数的选择；
- 计算样本到选取的簇中心距离，划分样本，将距离同一个簇中心最近的样本归为一类；
- 设置一个迭代次数，不断更新簇中心；
2. kmean算法过程
这里初始簇中心的选择并不是随机选择因为随机选择的话，有的簇中心可能会重叠，这里改为了先选择距离最远的两个样本作为两个初始簇中心，下一个簇中心就从距离之前的簇中心距离最近的样本中将距离最远的作为下一个，如此反复直到满足定义的k大小。同时图中的新的簇中心的更新应该是新老簇中心不相等时才更新才对。其实kmean的效果好坏很大的程度上取决于簇中心数量和初始簇中心的选择上，并且他适合一些聚集成簇的样本进行划分。
2.1 簇个数的选择
- 画图法： 最直接的办法还是画图，从图中直接看整个样本大概分为几大类，这种办法适合低维（1-3维）的数据，对于高维数据很难直接成图，不过可以通过特征提取选择能体现样本差异的特征维（这里的差异很难定义，毕竟是无监督学习，可以简单认为成图后样本聚集为几类，这些类间间隔较远），或者直接降维为低维度数据成图观察。
- 穷举k法： 通过定义一系列不同的簇个数，并通过聚类指标评价这些不同簇个数的效果，选择效果最好的那个；
2.2 聚类评价指标
还有更多的评价指标，这里我选择了一些简单的，易于实现的。
2.2.1 轮廓系数
参考：https://baike.baidu.com/item/%E8%BD%AE%E5%BB%93%E7%B3%BB%E6%95%B0/17361607?fr=aladdin
补充：如果Si接近0代表该样本越可能在类的边界上；越接近-1代表越可能属于其他类；
2.2.2 紧密性指标
这里指的是先计算同簇的样本距离簇中心的平均距离CPi，再计算CPi的平均值；
2.2.3 间隔性指标
3. 代码
数据集：经典的鸢尾花数据集，里面收录了三个不同品种共四个不同性状的数据。
| #数据集 | |
| 5.1,3.5,1.4,0.2,Iris-setosa | |
| 4.9,3.0,1.4,0.2,Iris-setosa | |
| 4.7,3.2,1.3,0.2,Iris-setosa | |
| 4.6,3.1,1.5,0.2,Iris-setosa | |
| 5.0,3.6,1.4,0.2,Iris-setosa | |
| 5.4,3.9,1.7,0.4,Iris-setosa | |
| 4.6,3.4,1.4,0.3,Iris-setosa | |
| 5.0,3.4,1.5,0.2,Iris-setosa | |
| 4.4,2.9,1.4,0.2,Iris-setosa | |
| 4.9,3.1,1.5,0.1,Iris-setosa | |
| 5.4,3.7,1.5,0.2,Iris-setosa | |
| 4.8,3.4,1.6,0.2,Iris-setosa | |
| 4.8,3.0,1.4,0.1,Iris-setosa | |
| 4.3,3.0,1.1,0.1,Iris-setosa | |
| 5.8,4.0,1.2,0.2,Iris-setosa | |
| 5.7,4.4,1.5,0.4,Iris-setosa | |
| 5.4,3.9,1.3,0.4,Iris-setosa | |
| 5.1,3.5,1.4,0.3,Iris-setosa | |
| 5.7,3.8,1.7,0.3,Iris-setosa | |
| 5.1,3.8,1.5,0.3,Iris-setosa | |
| 5.4,3.4,1.7,0.2,Iris-setosa | |
| 5.1,3.7,1.5,0.4,Iris-setosa | |
| 4.6,3.6,1.0,0.2,Iris-setosa | |
| 5.1,3.3,1.7,0.5,Iris-setosa | |
| 4.8,3.4,1.9,0.2,Iris-setosa | |
| 5.0,3.0,1.6,0.2,Iris-setosa | |
| 5.0,3.4,1.6,0.4,Iris-setosa | |
| 5.2,3.5,1.5,0.2,Iris-setosa | |
| 5.2,3.4,1.4,0.2,Iris-setosa | |
| 4.7,3.2,1.6,0.2,Iris-setosa | |
| 4.8,3.1,1.6,0.2,Iris-setosa | |
| 5.4,3.4,1.5,0.4,Iris-setosa | |
| 5.2,4.1,1.5,0.1,Iris-setosa | |
| 5.5,4.2,1.4,0.2,Iris-setosa | |
| 4.9,3.1,1.5,0.1,Iris-setosa | |
| 5.0,3.2,1.2,0.2,Iris-setosa | |
| 5.5,3.5,1.3,0.2,Iris-setosa | |
| 4.9,3.1,1.5,0.1,Iris-setosa | |
| 4.4,3.0,1.3,0.2,Iris-setosa | |
| 5.1,3.4,1.5,0.2,Iris-setosa | |
| 5.0,3.5,1.3,0.3,Iris-setosa | |
| 4.5,2.3,1.3,0.3,Iris-setosa | |
| 4.4,3.2,1.3,0.2,Iris-setosa | |
| 5.0,3.5,1.6,0.6,Iris-setosa | |
| 5.1,3.8,1.9,0.4,Iris-setosa | |
| 4.8,3.0,1.4,0.3,Iris-setosa | |
| 5.1,3.8,1.6,0.2,Iris-setosa | |
| 4.6,3.2,1.4,0.2,Iris-setosa | |
| 5.3,3.7,1.5,0.2,Iris-setosa | |
| 5.0,3.3,1.4,0.2,Iris-setosa | |
| 7.0,3.2,4.7,1.4,Iris-versicolor | |
| 6.4,3.2,4.5,1.5,Iris-versicolor | |
| 6.9,3.1,4.9,1.5,Iris-versicolor | |
| 5.5,2.3,4.0,1.3,Iris-versicolor | |
| 6.5,2.8,4.6,1.5,Iris-versicolor | |
| 5.7,2.8,4.5,1.3,Iris-versicolor | |
| 6.3,3.3,4.7,1.6,Iris-versicolor | |
| 4.9,2.4,3.3,1.0,Iris-versicolor | |
| 6.6,2.9,4.6,1.3,Iris-versicolor | |
| 5.2,2.7,3.9,1.4,Iris-versicolor | |
| 5.0,2.0,3.5,1.0,Iris-versicolor | |
| 5.9,3.0,4.2,1.5,Iris-versicolor | |
| 6.0,2.2,4.0,1.0,Iris-versicolor | |
| 6.1,2.9,4.7,1.4,Iris-versicolor | |
| 5.6,2.9,3.6,1.3,Iris-versicolor | |
| 6.7,3.1,4.4,1.4,Iris-versicolor | |
| 5.6,3.0,4.5,1.5,Iris-versicolor | |
| 5.8,2.7,4.1,1.0,Iris-versicolor | |
| 6.2,2.2,4.5,1.5,Iris-versicolor | |
| 5.6,2.5,3.9,1.1,Iris-versicolor | |
| 5.9,3.2,4.8,1.8,Iris-versicolor | |
| 6.1,2.8,4.0,1.3,Iris-versicolor | |
| 6.3,2.5,4.9,1.5,Iris-versicolor | |
| 6.1,2.8,4.7,1.2,Iris-versicolor | |
| 6.4,2.9,4.3,1.3,Iris-versicolor | |
| 6.6,3.0,4.4,1.4,Iris-versicolor | |
| 6.8,2.8,4.8,1.4,Iris-versicolor | |
| 6.7,3.0,5.0,1.7,Iris-versicolor | |
| 6.0,2.9,4.5,1.5,Iris-versicolor | |
| 5.7,2.6,3.5,1.0,Iris-versicolor | |
| 5.5,2.4,3.8,1.1,Iris-versicolor | |
| 5.5,2.4,3.7,1.0,Iris-versicolor | |
| 5.8,2.7,3.9,1.2,Iris-versicolor | |
| 6.0,2.7,5.1,1.6,Iris-versicolor | |
| 5.4,3.0,4.5,1.5,Iris-versicolor | |
| 6.0,3.4,4.5,1.6,Iris-versicolor | |
| 6.7,3.1,4.7,1.5,Iris-versicolor | |
| 6.3,2.3,4.4,1.3,Iris-versicolor | |
| 5.6,3.0,4.1,1.3,Iris-versicolor | |
| 5.5,2.5,4.0,1.3,Iris-versicolor | |
| 5.5,2.6,4.4,1.2,Iris-versicolor | |
| 6.1,3.0,4.6,1.4,Iris-versicolor | |
| 5.8,2.6,4.0,1.2,Iris-versicolor | |
| 5.0,2.3,3.3,1.0,Iris-versicolor | |
| 5.6,2.7,4.2,1.3,Iris-versicolor | |
| 5.7,3.0,4.2,1.2,Iris-versicolor | |
| 5.7,2.9,4.2,1.3,Iris-versicolor | |
| 6.2,2.9,4.3,1.3,Iris-versicolor | |
| 5.1,2.5,3.0,1.1,Iris-versicolor | |
| 5.7,2.8,4.1,1.3,Iris-versicolor | |
| 6.3,3.3,6.0,2.5,Iris-virginica | |
| 5.8,2.7,5.1,1.9,Iris-virginica | |
| 7.1,3.0,5.9,2.1,Iris-virginica | |
| 6.3,2.9,5.6,1.8,Iris-virginica | |
| 6.5,3.0,5.8,2.2,Iris-virginica | |
| 7.6,3.0,6.6,2.1,Iris-virginica | |
| 4.9,2.5,4.5,1.7,Iris-virginica | |
| 7.3,2.9,6.3,1.8,Iris-virginica | |
| 6.7,2.5,5.8,1.8,Iris-virginica | |
| 7.2,3.6,6.1,2.5,Iris-virginica | |
| 6.5,3.2,5.1,2.0,Iris-virginica | |
| 6.4,2.7,5.3,1.9,Iris-virginica | |
| 6.8,3.0,5.5,2.1,Iris-virginica | |
| 5.7,2.5,5.0,2.0,Iris-virginica | |
| 5.8,2.8,5.1,2.4,Iris-virginica | |
| 6.4,3.2,5.3,2.3,Iris-virginica | |
| 6.5,3.0,5.5,1.8,Iris-virginica | |
| 7.7,3.8,6.7,2.2,Iris-virginica | |
| 7.7,2.6,6.9,2.3,Iris-virginica | |
| 6.0,2.2,5.0,1.5,Iris-virginica | |
| 6.9,3.2,5.7,2.3,Iris-virginica | |
| 5.6,2.8,4.9,2.0,Iris-virginica | |
| 7.7,2.8,6.7,2.0,Iris-virginica | |
| 6.3,2.7,4.9,1.8,Iris-virginica | |
| 6.7,3.3,5.7,2.1,Iris-virginica | |
| 7.2,3.2,6.0,1.8,Iris-virginica | |
| 6.2,2.8,4.8,1.8,Iris-virginica | |
| 6.1,3.0,4.9,1.8,Iris-virginica | |
| 6.4,2.8,5.6,2.1,Iris-virginica | |
| 7.2,3.0,5.8,1.6,Iris-virginica | |
| 7.4,2.8,6.1,1.9,Iris-virginica | |
| 7.9,3.8,6.4,2.0,Iris-virginica | |
| 6.4,2.8,5.6,2.2,Iris-virginica | |
| 6.3,2.8,5.1,1.5,Iris-virginica | |
| 6.1,2.6,5.6,1.4,Iris-virginica | |
| 7.7,3.0,6.1,2.3,Iris-virginica | |
| 6.3,3.4,5.6,2.4,Iris-virginica | |
| 6.4,3.1,5.5,1.8,Iris-virginica | |
| 6.0,3.0,4.8,1.8,Iris-virginica | |
| 6.9,3.1,5.4,2.1,Iris-virginica | |
| 6.7,3.1,5.6,2.4,Iris-virginica | |
| 6.9,3.1,5.1,2.3,Iris-virginica | |
| 5.8,2.7,5.1,1.9,Iris-virginica | |
| 6.8,3.2,5.9,2.3,Iris-virginica | |
| 6.7,3.3,5.7,2.5,Iris-virginica | |
| 6.7,3.0,5.2,2.3,Iris-virginica | |
| 6.3,2.5,5.0,1.9,Iris-virginica | |
| 6.5,3.0,5.2,2.0,Iris-virginica | |
| 6.2,3.4,5.4,2.3,Iris-virginica | |
| 5.9,3.0,5.1,1.8,Iris-virginica | |
| #python3 | |
| #---------------------------- | |
| # author: little shark | |
| # date: 2022/3/12 | |
| """ | |
| Kmean 实现 | |
| """ | |
| from matplotlib import pyplot as plt | |
| import numpy as np | |
| import pandas as pd | |
| import random | |
| class Algo: | |
| def __init__(self): | |
| self.x = None | |
| self.y = None | |
| self.rows,self.cols = None, None | |
| self.dis = None | |
| self.dis_i = None | |
| self.rbf_i = None | |
| self.G_i = None | |
| self.GDis_i = True | |
| def loadData(self,file): | |
| """ | |
| Read file | |
| """ | |
| df=pd.read_csv(file,delimiter=",",header=None) | |
| self.x=df.iloc[:,0:-1].values | |
| self.y=df.iloc[:,-1].values | |
| self.rows,self.cols=self.x.shape | |
| #print(self.x.shape) | |
| def dataNorm(self): | |
| """ | |
| 归一化数据 | |
| """ | |
| assert self.rows != None or self.cols !=None, "First you must loadData!!!" | |
| #get min matrix | |
| min_=self.x.min(axis=0).reshape(1,self.cols) | |
| #get max matrix | |
| max_=self.x.max(axis=0).reshape(1,self.cols) | |
| #get range matrix | |
| range_=max_-min_ | |
| #update self.x | |
| self.x=(self.x-min_)/range_ | |
| def euDistances(self,x): | |
| """ | |
| Get EuclideanDistances matrix | |
| """ | |
| assert self.rows != None or self.cols !=None, "First you must loadData!!!" | |
| #输入矩阵大小 | |
| rows,cols = x.shape | |
| #define a empty matrix | |
| dis=np.zeros(rows**2).reshape(rows,rows) | |
| #fill dis matrix by calculating distance of each point | |
| for i in range(rows): | |
| for j in range(rows): | |
| if i == j: | |
| dis[i][j] = 0 | |
| continue | |
| d=sum(pow(x[i]-x[j],2))**0.5 | |
| dis[i][j]=d | |
| dis[j][i]=d | |
| #get EuclideanDistances matrix | |
| self.dis=dis.copy() | |
| self.dis_i=True | |
| return dis | |
| def kmean(self,k=3,maxIteration=100,x=None,print_=False): | |
| """ | |
| kmean实体 | |
| """ | |
| assert self.rows != None or self.cols !=None, "First you must loadData!!!" | |
| assert x.any() != None, "you must import a data to kmean" | |
| #输入矩阵大小 | |
| rows,cols = x.shape | |
| #定义一个标签列表，代表所有样本的类别 | |
| label=np.zeros(rows) | |
| labelCode=[i for i in range(k)] | |
| #计算输入矩阵的距离矩阵 | |
| dis=self.euDistances(x) | |
| #------------------------------------------ | |
| #选择初始簇中心，数量=k | |
| #最远的两个点当作簇中心 | |
| max_=0 | |
| maxI=0 | |
| maxJ=0 | |
| for i in range(rows): | |
| for j in range(rows): | |
| if dis[i][j] > max_: | |
| max_ = dis[i][j] | |
| maxI = i | |
| maxJ = j | |
| k1I = maxI | |
| k2I = maxJ | |
| k1=x[k1I].reshape(1,cols) | |
| k2=x[k2I].reshape(1,cols) | |
| Ci=[k1I,k2I] #保存簇中心索引 | |
| C=[k1,k2] #保存簇中心值 | |
| #step 3,检索其他簇中心 | |
| for i in range(2,k): | |
| tempI=[] | |
| temp=[] | |
| for j in range(len(C)): | |
| #step 3.1 距离簇中心最近的点 | |
| minI=0 | |
| min_=99999 | |
| index=0 | |
| for d in dis[Ci[j]]: | |
| #略过本身和已经检索过的点 | |
| if d==0 or index in Ci: | |
| index+=1 | |
| continue | |
| if d<min_: | |
| minI=index | |
| min_=d | |
| index+=1 | |
| #step 3.2 添加距离大小及其索引 | |
| temp.append(dis[Ci[j]][minI]) | |
| tempI.append(minI) | |
| #step 3.3 选择距离已选出的簇中心距离最近的点距离最大的作为下一个簇中心 | |
| nextKI=tempI[temp.index(max(temp))] | |
| nextK=x[nextKI].reshape(1,cols) | |
| Ci.append(nextKI) | |
| C.append(nextK) | |
| #------------------------------------ | |
| #更新label | |
| for i in range(rows): | |
| sample=x[i].reshape(1,cols) | |
| #判断距离最近的簇中心 | |
| minI=0 | |
| min_=99999 | |
| for j in range(k): | |
| disV=self.getDistance(sample,C[j]) | |
| #print(dis) | |
| if disV<min_: | |
| minI=j | |
| min_=disV | |
| label[i]=labelCode[minI] | |
| #------------------------------------ | |
| #更新簇中心 | |
| for iter in range(maxIteration): | |
| for j in range(k): | |
| #获取同类别下的数据 | |
| dataSet=x[label == labelCode[j]] | |
| if len(dataSet) == 0: | |
| continue | |
| #计算平均值 | |
| mean_=dataSet.mean(axis=0).reshape(1,cols) | |
| #更新簇中心 | |
| C[j]=mean_ | |
| #------------------------------------ | |
| #更新label | |
| for i in range(rows): | |
| sample=x[i].reshape(1,cols) | |
| #判断距离最近的簇中心 | |
| minI=0 | |
| min_=99999 | |
| for j in range(k): | |
| disV=self.getDistance(sample,C[j]) | |
| #print(dis) | |
| if disV<min_: | |
| minI=j | |
| min_=disV | |
| label[i]=labelCode[minI] | |
| cp = self.CP(label,C,x) | |
| sp = self.SP(C) | |
| conCoe = self.contourCoefficient(label,C,x) | |
| if print_: | |
| print("Iteration %-4d CP = %-7.4f CP = %-7.4f coef = %-7.4f"%(iter,cp,sp,conCoe)) | |
| return label,C | |
| def getDistance(self,x1,x2): | |
| """ | |
| 计算两个向量的几何距离 | |
| """ | |
| return pow(((x1-x2)**2).sum(),0.5) | |
| def CP(self,label,c,x): | |
| """ | |
| 紧密性评价指标 | |
| """ | |
| k = len(c) | |
| labelCode = np.unique(label) | |
| cp = 0 | |
| for i in range(k): | |
| #同簇矩阵 | |
| x1 = x[label == i] | |
| if len(x1) == 0:continue | |
| #大小 | |
| rows, cols = x1.shape | |
| #距离簇中心的欧式距离和 | |
| sum_ = pow(((x1 - c[i])**2).sum(),0.5) | |
| cp += sum_/rows | |
| return cp/k | |
| def SP(self,c): | |
| """ | |
| 间隔性评价指标 | |
| """ | |
| k = len(c) | |
| sp = 0 | |
| for i in range(k): | |
| for j in range(1,k): | |
| sp += self.getDistance(c[i],c[j]) | |
| return 2*sp/(k**2-k) | |
| def calAi(self,v,vs): | |
| """ | |
| 轮廓系数中计算ai | |
| v: 某向量 | |
| vs: 该向量的同簇向量 | |
| """ | |
| rows,cols = vs.shape | |
| ai = pow((vs - v)**2,0.5).sum()/rows | |
| return ai | |
| def calBi(self,v,vs,vsLabel): | |
| """ | |
| 轮廓系数中计算bi | |
| v: 某向量 | |
| vs: 该向量的非同簇向量 | |
| vsCode: 该向量的非同簇向量的label | |
| """ | |
| ks = np.unique(vsLabel) | |
| k = len(ks) | |
| min_ = 99999 | |
| for i in range(k): | |
| #非同簇中同簇向量 | |
| x1 = vs[vsLabel == i] | |
| if len(x1) == 0:continue | |
| #非同簇中同簇平均距离 | |
| disAver = self.calAi(v,x1) | |
| if disAver < min_: | |
| min_ = disAver | |
| return min_ | |
| def contourCoefficient(self,label,c,x): | |
| """ | |
| 轮廓系数 | |
| """ | |
| k = len(c) | |
| rows,cols = x.shape | |
| S = np.zeros(rows) | |
| for i in range(rows): | |
| #同簇样本 | |
| x1 = x[label == label[i]] | |
| #非同簇样本 | |
| x2 = x[label != label[i]] | |
| label2 = label[label != label[i]] | |
| #当前样本 | |
| sample = x[i] | |
| #ai ,bi 计算 | |
| ai = self.calAi(sample,x1) | |
| bi = self.calBi(sample,x2,label2) | |
| s = (bi-ai)/max([ai,bi]) | |
| S[i] = s | |
| return S.mean() | |
| if __name__ == "__main__": | |
| #------------------------- | |
| #直接定义簇个数 | |
| a=Algo() | |
| #加载数据 | |
| a.loadData("数据集/iris (2).data") | |
| #运行算法 | |
| label,c = a.kmean(x=a.x,k=3) | |
| kCode = np.unique(label) | |
| print(label) | |
| #画出数据划分类 | |
| for k in kCode: | |
| plt.scatter(a.x[label == k][:,0],a.x[label == k][:,2],alpha=0.6,label="sample %d"%k) | |
| #画出簇中心 | |
| for i in range(len(c)): | |
| plt.scatter(x=c[i][:,0],y=c[i][:,2],color="red",marker="*",label="center %d"%i) | |
| plt.legend() | |
| plt.show() | |
| #---------------------------- | |
| #穷举k法 | |
| #exit() | |
| coef = [] | |
| CP = [] | |
| SP = [] | |
| for k in range(2,10): | |
| label,c = a.kmean(x=a.x,k=k) | |
| coef.append(a.contourCoefficient(label,c,a.x)) | |
| CP.append(a.SP(c)) | |
| SP.append(a.CP(label,c,a.x)) | |
| print("* When k = %d done *"%k) | |
| plt.subplot(131) | |
| plt.plot(range(2,10),SP,alpha=0.8,linestyle="--",color="red",label="SP") | |
| plt.xlabel("K") | |
| plt.legend() | |
| plt.subplot(132) | |
| plt.plot(range(2,10),coef,alpha=0.8,linestyle=":",color="green",label="coef") | |
| plt.xlabel("K") | |
| plt.legend() | |
| plt.subplot(133) | |
| plt.plot(range(2,10),CP,alpha=0.8,linestyle="-",color="blue",label="CP") | |
| plt.xlabel("K") | |
| plt.legend() | |
| plt.show() | |
4. 输出结果
4.1 命令行输出
解释：首先输出的是所有样本的聚类划分，这里并没有打乱样本的顺序进行分析，所以同品种的样本是连续的一大块，大致来看直接定义k=3的划分效果还不错。后面的输出是穷举k法，并计算对应的评价指标进程。
4.2 可视化
解释：不同颜色代表不同类别的数据，红色星星代表簇中心，这里数据的维度展示的是第1列和第3列维度。
4.3 穷举k法指标
解释：第一个图是间隔性指标SP用来衡量聚类中心两两之间的平均距离，随着k值增加，有比较明显的波动，可以看见当k=3时有一个最小值，表明k=3时类间的聚类最近，理想情况下我们希望这个这个指标比较大，表明类别区分明显；第二个是轮廓系数，随着k值增加逐渐下降；第三个是紧密性指标，用来衡量内中数据距离簇中心距离，随着k值增加呈现一点的波动；从图中来看任意一个指标都不能准确的表明k=3(真实的簇数)是一个好的簇数量，也许这些指标并不适合用来寻找定义的簇数量。
单从轮廓系数来看，在知道k=3的情况下，越接近1代表聚类越合理，显然是不现实的，且从公式上来说当k=1时，轮廓系数会非常接近1，难道说“大家都是一家人，四海皆兄弟”吗？不太可能吧，且k=2的时候系数为0.75，难道划分为2更好吗？显然在知道真实分类情况下也不适合，那么我们统计分析的结果真的就和真实一样吗？
首先从kmean上来说，他是无监督的算法，这些数据是没有先验的标签的，他是用来衡量数据相似情况，并把相似度较高的数据归为一类，体现的是”同种中属性更接近的思想“，可是他受限于初始k的选择上；再从分类指标上来看，这些指标主要是用来衡量簇内、簇间划分程度，如果k越大，越多的样本可能”各自为政“，那么他们间的SP、CP和轮廓系数可知是越来越小，从这些指标代表的意义来说并不能准确的反映簇个数。
再者，人类认知上存在缺陷，我们认知我们所认知的，我们并不能直观的认知到客观规律，只能通过我们能感知到的一切来观测进而总结推理出客观规律，我们目前的知识都是”前人拿着测量工具和放大镜“一点点积累下来的，我们所思所想的都是实践的产物，工具、思想都是人类活动下的结晶，也就是说存在不足，可是却是我们能拿出手的”家当“。
在这里我主要想说的是在数据分析的时候不要太过迷信指标，特别是对一些不知真实分布的数据来做分析，如果这些指标能准确并一致的反映真实数据，那我们早就称霸宇宙，预测未来了。
回到之前的话题：我们统计分析的结果真的就和真实一样吗? 就目前来说，这些测量和分析方法是我们能拿出来的，随着人类的进步这些东西要么进化，要么淘汰。这些工具只是在一定程度上反映了真实而已，也许离得很近，也许大相径庭…至于最终的结果在没有真正认知到客观规律前，我们永远不知道，只是拿着我们人类活动的一系列产物来标榜而已，也许未来人类回首现在，也会觉得有趣吧。