使用k均值算法对一维数组聚类（求自然间断点）

一维数组，例如：

班级中学习成绩分布聚类。

K-Means算法可以对多维数据进行聚类，Jenks Natural Breaks和K-Means在一维数据时，完全等价。

它们的目标函数一样，但是算法的步骤不完全相同。K-Means是先设定好K个初始随机点。而Jenks Breaks则是用遍历的方法，一个点一个点地移动，直到达到最小值。

此处使用sklearn库中提供的K-Means函数进行数据聚类

1、安装 sklearn

pip install sklearn

2、分类代码

from sklearn.cluster import KMeans
import numpy as np
x = np.random.random(10000).reshape(-1,1)
km = KMeans(n_clusters=5)
km.fit(x)
print(km.cluster_centers_)

注意 km.cluster_centers_为类别的中心点，这是该方法与jenkspy库结果的差别，jenkspy库得出结果为类别边界。

KMeans()类中，参数n_clusters=5表示类别个数。

经测试，在数据量为10000时，速度2s左右，效率较高。

 

参考文章：

https://www.cnblogs.com/lianyingteng/p/7811126.html

https://www.biaodianfu.com/clustering-on-a-one-dimensional-array.html