分析
| 算法 | 定义 | 优点 | 缺点 |
| Kmeans | 简单、高效、快速收敛、当簇接近高斯分布式，聚类效果好 | 必须定义平均值，K事先给定，K的值影响聚类效果，对异常值影响大 | |
| DBSCAN | 可以对任意形状进行聚类，对异常值不敏感 | 对簇密度相差较大，不均匀的话，聚类效果不好，样本大，收敛时间长 | |
| 凝聚式层次聚类 | 速度快，对异常值影响不大，使用内存小 | 对高斯簇聚类效果不好 | |
| EM算法 | |||
| 基于图 | 使用降维技术，适合高维空间。对聚类类别少准确率高。 | 对参数敏感，不适合簇里面的样本点少 |
如何在sklearn调用
| 算法名称 | 函数 |
|---|---|
| K均值聚类算法 | from sklearn.cluster import KMeans |
| 小批量K均值算法 | from sklearn.cluster import MiniBatchKMeans |
| BIRCH层次聚类 | ffrom sklearn.cluster import Birch |
| .EM算法 | from sklearn.mixture import GaussianMixture |
| DBSCAN算法 | from sklearn.cluster import DBSCAN |
| OPTICS算法 | from sklearn.cluster import OPTICS |
| Mean Shift算法 | from sklearn.cluster import MeanShift |
| 谱聚类算法 | from sklearn.cluster import SpectralClustering |
[refers](https://blog.csdn.net/weixin_41019798/article/details/103507875)