【python】常用聚类算法：K-Means 聚类、MeanShift 聚类、层次聚类、
前提回顾：
问题
(1) 采用合理的分类模型，采用如逻辑回归、K 近邻、决策树、朴素贝叶斯、支持向量机等，建立该问题的分类预测模型，通过评价指标说明建立的模型优劣;
(2) 将上问题中关于客户汽车满意度原始数据集的标签去除，进行聚类分析，采用如：K-Means 聚类、MeanShift 聚类、层次聚类、DBSCAN 等聚类模型，采用合理的模型和参数获得聚类结果，通过评价指标说明建立的模型优劣，并将聚类结果与原来的分类结果进行比较。
1 聚类
聚类是一种无监督学习方法，其目的是将相似的数据样本划分为若干个簇，使得每个簇内的数据样本相似度较高，而不同簇之间的相似度较低。将问题中关于客户汽车满意度原始数据集的标签去除，然后进行聚类分析。
1.1 K-Means 聚类
K-Means基本思想是通过计算每个数据样本与簇中心的距离，将样本归属于距离最近的簇。通过迭代更新簇中心和重新划分样本，最终得到簇的划分结果。
1.2 MeanShift 聚类
MeanShift主要思想是通过计算样本点周围的密度，不断移动样本点的位置，最终达到簇内样本密度最大的位置。
1.3 层次聚类
层次聚类是一种基于树形结构的聚类算法，其主要思想是通过不断合并相似的簇，形成层次结构的聚类树。