分析
| 算法 | 定義 | 優點 | 缺點 |
| Kmeans | 簡單、高效、快速收斂、當簇接近高斯分布式，聚類效果好 | 必須定義平均值，K事先給定，K的值影響聚類效果，對異常值影響大 | |
| DBSCAN | 可以對任意形狀進行聚類，對異常值不敏感 | 對簇密度相差較大，不均勻的話，聚類效果不好，樣本大，收斂時間長 | |
| 凝聚式層次聚類 | 速度快，對異常值影響不大，使用內存小 | 對高斯簇聚類效果不好 | |
| EM算法 | |||
| 基於圖 | 使用降維技術，適合高維空間。對聚類類別少准確率高。 | 對參數敏感，不適合簇里面的樣本點少 |
如何在sklearn調用
| 算法名稱 | 函數 |
|---|---|
| K均值聚類算法 | from sklearn.cluster import KMeans |
| 小批量K均值算法 | from sklearn.cluster import MiniBatchKMeans |
| BIRCH層次聚類 | 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 |
| 譜聚類算法 | from sklearn.cluster import SpectralClustering |
[refers](https://blog.csdn.net/weixin_41019798/article/details/103507875)