统计-聚类：K means 和 K nearest

K值选择原理：

1 目前尚没有明确的方法选择最佳，所以需要多尝试

2 K值低，会受离群值的影响

3 K值高，会导致一些小样本量的样本没有话语权

2 如果K=3，就随机选择3个母点

3 计算每个点到这三个母点的距离d

4 找到距离d的最小值，这个点就属于哪一类

5 重复很多很多次，直至不再变化了，此时数据就被分成K=3类

K nearest原理：

1. 将数据映射成PCA的格式

2. 随机找一个母点

image.png

3. 计算每一个点到这个母点的距离，如图，这个母点为绿色类

4. 举例：

• K=11时，将图中所有点到黑色母点的距离排序，取TOP11个点
• 11个点中，7个为红色，3个为橙色，1个为绿色。则这个点属于红色类