k均值算法——python实现

无监督学习中应用最多的就是聚类，其中k均值算法就是典型的聚类算法，下面是一段从文本中读取30数据，然后进行聚类的过程，包括输出读取的数据集、随机选择的K个初始均值向量、30行数据各自所属的类别以及最后的聚类中心，因为每次是随机选择K个初始均值向量，所以每次运行结果不一样的。

如果各位需要全部引用的话，请标注来源，具体的数据集需要的话，可以找我要。

import numpy as np
import math
# 读取文件
def load_dataset(file_name):
    data_list = []
    fr=open(file_name,encoding='utf-8-sig')
    lines = fr.readlines()
    for line in lines:
        pas_line = line.strip().split("\t")
        flt_line = list(map(eval, pas_line))
        data_list.append(flt_line)
    return np.array(data_list)
# 路径输入及函数调用后打印
data_set = load_dataset(r"F:\test\1.txt")
print(data_set)
# 计算两个向量之间的欧氏距离
def dist_eclud(vecA, vecB):
    vec_square = []
    for element in vecA - vecB:
        element = element ** 2
        vec_square.append(element)
    return sum(vec_square) ** 0.5

# 构建k个随机质心
def rand_cent(data_set, k):