数据挖掘之k-means算法的Python实现

引自百度~K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。

k均值算法原理：

   (1)从n个数据对象任意选择k个对象作为初始聚类中心。

   (2)根据每个聚类对象的均值，计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分。

   (3)重新计算每个聚类的均值。

   (4)循环2.3步骤，知道每个聚类不再发生变化为止。

源代码实现：

k_means.py，主要实现k-均值的功能：

#!/usr/bin/python
#coding=utf-8
from numpy import *
import matplotlib.pyplot as plt

#计算欧氏距离
def euclDistance(v1,v2):
	#
	return sqrt(sum(power(v2 - v1, 2)))

#使用随机样本初始化质心
def initCentroids(dataSet,k):

	numSamples, dim = dataSet.shape
	centroids = zeros((k, dim))

	for i in range(k):
		index = int(random.uniform(0, numSamples))
		centroids[i, :] = dataSet[index, :]

	return centroids

#k-均值聚类
def kmeans(dataSet,k):
	numSamples = dataSet.shape[0]
	clusterAssment &#