考慮到學習知識的順序及效率問題，所以后續(xù)的幾種聚類方法不再詳細講解原理，也不再寫python實現(xiàn)的源代碼，只介紹下算法的基本思路，使大家對每種算法有個直觀的印象，從而可以更好的理解函數(shù)中參數(shù)的意義及作用，而重點是放在如何使用及使用的場景。
（題外話： 今天看到一篇博文：剛接觸機器學習這一個月我都做了什么？ 里面對機器學習階段的劃分很不錯，就目前而言我們只要做到前兩階段即可）
因為前兩篇博客已經(jīng)介紹了兩種算法，所以這里的算法編號從3開始。
3.Mean-shift
1)概述
Mean-shift（即：均值遷移）的基本思想：在數(shù)據(jù)集中選定一個點，然后以這個點為圓心，r為半徑，畫一個圓(二維下是圓)，求出這個點到所有點的向量的平均值，而圓心與向量均值的和為新的圓心，然后迭代此過程，直到滿足一點的條件結(jié)束。(Fukunage在1975年提出)
后來Yizong Cheng 在此基礎(chǔ)上加入了 核函數(shù) 和 權(quán)重系數(shù) ，使得Mean-shift 算法開始流行起來。目前它在聚類、圖像平滑、分割、跟蹤等方面有著廣泛的應(yīng)用。
2）圖解過程
為了方便大家理解，借用下幾張圖來說明Mean-shift的基本過程。
由上圖可以很容易看到，Mean-shift 算法的核心思想就是不斷的尋找新的圓心坐標，直到密度最大的區(qū)域。
3）Mean-shift 算法函數(shù)
a）核心函數(shù)：sklearn.cluster.MeanShift(核函數(shù)：RBF核函數(shù))
由上圖可知，圓心(或種子)的確定和半徑(或帶寬)的選擇，是影響算法效率的兩個主要因素。所以在sklearn.cluster.MeanShift中重點說明了這兩個參數(shù)的設(shè)定問題。
b）主要參數(shù)
bandwidth ：半徑(或帶寬)，float型。如果沒有給出，則使用sklearn.cluster.estimate_bandwidth計算出半徑(帶寬).（可選）
seeds :圓心（或種子），數(shù)組類型，即初始化的圓心。（可選）
