聚类概念：
    无监督学习：无标签
    聚类：相似的东西分到一组
    难点：如何评估（没有目标值比较），如何调参（没有标准答案）
    
K-means算法：
    K值：要得到簇的个数，需要指定
    质心：均值，即向量各维取平均即可
    距离的度量：常用欧几里得距离和余弦相似度（先标准化）
    优化目标：min(sum1,k:(sum(dis(ci,x)^2))  每个样本点到簇中心点的距离之和最短
    
    工作流程：1.随机初始化K个点
              2.算样本中各个点到这K个点的距离，与距离最近者归为一类，共K类
              3.找出这K类中心点（质心：各维平均值）的位置，
              4.重复第二步，直到计算得出的新中心点与原中心点的位置一样，结束
    
    
优点：简单，快速，适合常规数据集
劣势：K值难确定，复杂度与样本呈线性关系，很难发现任意形状的簇

k-means迭代可视化：https://www.naftaliharris.com/blog/visualizing-k-means-clustering/
dbscan可视化：https://www.naftaliharris.com/blog/visualizing-dbscan-clustering/

dbscan(Density-Based Spatial Clustering of Applications with Noise)算法：
    核心对象：若某个点的密度达到算法设定的阈值则其为核心点*即r领域内点的数量不小于minPts)
    领域的距离阈值：设定的半径r
    直接密度可达：若某个点p在点q的r领域内，且q是核心点则p-q直接密度可达
    密度可达：若有一个点的序列q0,q1,...qk,对任意qi-qi-1是直接密度可达的，则称q0到qk密度可达，这实际上是直接密度可达的‘传播'.
    密度相连：若从某核心点P出发，点q和点k都是密度可达的，则称点q和点k是密度相连的
    边界点：属于某一个类的非核心点，不能发展下线了
    噪声点（离群点）：不属于任何一个类簇的点，从任何一个核心点出发都是密度不可达的
    
    工作流程：参数D:输入数据集
              参数r:指定半径
              MinPts:密度阈值
              1.标记所有对象为unvisited
              2.随机选择一个unvisted对象p
              3.标记p为visited
              4.如果p的r邻域至少有MinPts个对象，执行第五步，否则执行第6步
              5.创建一个新簇C，并把p添加到C；令N为p的r邻域中的对象集合；遍历N中每个点p，如果点p是unvisited,标记p为visited；如果p的r邻域至少有
                MinPts个对象，把这些对象添加到N；如果p还不是任何簇的成员，把p添加到C
              6.标记p为噪声
              7.重复执行步骤2，直到没有标记为unvisited对象
              
    参数选择：半径r:可以根据K距离设定；找突变点
              K距离：给定数据集P={p(i);i=0,1,..n},计算点p(i)到集合D的子集S中所有点之间的距离，距离按照从小到大的顺序排序，d(k)就被称为k-距离
              MinPts:k-距离中k的值，一般取的小一些，多次尝试
              
    优势：不需要指定簇的个数
          可以发现任意形状的簇
          擅长找到离群点（检测任务）
          两个参数就够了
    劣势：高维数据有些困难（可以做降维）
          参数难以选择（参数对结果的影响比较大）
          sklearn中效率很慢（数据削减策略）
          
    注：若找离群点epsilon和minPoints可以小一些
    

模型评估方法：轮廓系数
    s(i) = (bi-ai) / max(ai,bi)
    计算样本i到同簇其他样本的平均距离ai。ai 越小，说明样本i越应该被聚类到该簇。将ai 称为样本i的簇内不相似度。
    计算样本i到其他某簇Cj 的所有样本的平均距离bij，称为样本i与簇Cj 的不相似度。定义为样本i的簇间不相似度：bi =min{bi1, bi2, ..., bik}
    si接近1，则说明样本i聚类合理
    si接近-1，则说明样本i更应该分类到另外的簇
    若si 近似为0，则说明样本i在两个簇的边界上。
        
    
特征增强：BIRCH,DBSCAN,K-MEANS,MEAN-SHIFT