Python-机器学习（三）-KMeans聚类算法

如图3所示，经过计算样本中所有的点到两个质心的距离，我们得到了第一次迭代后的类别，此时我们对我们当前标记为红色和蓝色的点分别求其新的质心，如图4所示中心点已经发生了变化，56图重复上述过程，即将所有点的类别标记为距离最近的质心的类别并求新的质心。

• 基本的步骤为：

• step1：选定要聚类的类别数目k

• step2：针对每个样本点，找到距离其最近的中心点，距离同一中心点最近的点为一个类，这样完成了一次聚类。

• step3：针对每个类别中的样本点，计算这些样本点的中心点，当做该类的新的中心点，继续step2。

实际案例分析

---

from sklearn.cluster import KMeans

df= pd.read_csv(‘data.csv’)

df.head()

df.info()

df.isnull().sum()