<<<<<<< HEAD

​ 利用K-Means、Affinity propagation、Mean-shift、Spectral clustering、Ward hierarchical clustering、Agglomerative clustering、DBSCAN、Gaussian mixtures八种聚类算法在load_digits、fetch_20newsgroups两个数据集上的聚类效果。

（1）了解常用聚类算法原理。

（2）掌握利用多种聚类算法对数据集进行分析。

​ jupyter notebook

​ 加载数据集、数据集降维（使用sklearn内的TfidfVectorizer 将文本转化为tf-idf向量形式表示）、选择聚类算法、参数调整、结果输出。

​ 使用DBSCAN时，当聚类有不同的密度时，它的性能不像其他聚类算法那样好，因为密度变化时，距离阈值和识别临近点的设置会随着聚类而变化。K-means算法在数据集大时结果容易局部最优；需要预先设定K值，对最先的K个点选取很敏感。