没有监督标签，只有x特征值，没有y，没有办法去预测，没有办法证明你做的对错，这样的数据集，我们能做的是什么呢？就是非监督机器学习。常见的算法就是聚类或者降维。聚类做的是什么？就是挖掘数据集中的规律的存在，通过把相似的数据归类，帮助我们探索数据集里的样本如何划分，比如可以将用户分群，不同的营销策略。聚类里包含的算法也是非常多。
聚类的基本思路是：物以类聚，人以群分。通过特征，计算样本之间的相似度。
K-means 聚类学习：
第一步：确定一个超参数k，k就是打算把样本聚集为几类。
第二步：在所有的样本中，随机的选择三个点，作为聚类的初始中心。
第三步：依次计算除这三个中心点以外的每一个点，和三个中心点的距离。然后找出样本点离哪个中心点最近。
第四歩：将所有点划分到离它最近的那个中心点所代表的簇中去。
第五步：所有样本会被划分k个类别，有了k堆数据，分别计算这k个簇的质心。例如：
第六步：生成k个新的聚类中心点，以这k个新的重点重新重复3-5歩。
第七歩：终止条件（一）：在重复的聚类过程中，所有样本点的分类结果都不再发生变化；（二）或者达到你设定的算法最大迭代次数，例如max_iter = 200 .
原理-算法实现：
https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans
KMeans(
n_clusters=8, # int, optional 聚类的数量
init='k-means++', # 一种选择初始质心的方法
n_init=10,# 使用不同质心种子运行k-means算法的次数。 在inertia，最终结果将是n_init连续运行的最佳输出。
max_iter=300, # 最大迭代次数,如果超过此次数将不会继续迭代
tol=0.0001, # MSE 下降到什么数值大小的时候停止迭代
precompute_distances='auto',
verbose=0,
random_state=None, # 随机数种子
copy_x=True,
n_jobs=None, # 使用cpu核心数量
algorithm='auto',
)
n_clusters=8, # int, optional 聚类的数量
init='k-means++', # 一种选择初始质心的方法
n_init=10,# 使用不同质心种子运行k-means算法的次数。 在inertia，最终结果将是n_init连续运行的最佳输出。
max_iter=300, # 最大迭代次数,如果超过此次数将不会继续迭代
tol=0.0001, # MSE 下降到什么数值大小的时候停止迭代
precompute_distances='auto',
verbose=0,
random_state=None, # 随机数种子
copy_x=True,
n_jobs=None, # 使用cpu核心数量
algorithm='auto',
)
模型评估
下面来说说Kmeans算法的模型效果评估，模型算法的评估主要是从以下几个方面来进行度量1、样本离最近聚类中心的总和（inertias）
# inertias:其是K均值模型对象的属性，表示样本距离最近的聚类中心的总和，它是作为在没有真实分类标签下的非监督式评估指标，该值越小越好，值越小证明样本在类间的分布越集中，即类内的距离越小。
2、轮廓系数
# 轮廓系数：它用来计算所有样本的平均轮廓系数，使用平均群内距离和每个样本的平均最近簇距离来计算，它是一种非监督式评估指标。其最高值为1，最差值为-1,0附近的值表示重叠的聚类，负值通常表示样本已被分配到错误的集群。
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.silhouette_score.html#sklearn.metrics.silhouette_score
通过轮廓系数找到最好的k值，其实就是调参。