python k-means聚类

K-Means聚类思想

1. 随机选K个点作为中心
2. 根据剩下点与选出的K个中心点的距离，归入最近的类
3. 重新计算所有点的均值作为中心
4. 重复2，3直至聚类中心不再发生改变

python实现：

import numpy as np
from sklearn.cluster import KMeans
def loadData(filePath):
    fr = open(filePath,'r+')
    lines = fr.readlines()
    retData=[]
    retCityName = []
    for line in lines:
        items = line.strip().split(',')#文件预处理，划分名字和消费水平
        retCityName.append(items[0])
        retData.append([float(items[i]) for i in range(1,len(items))])
    return retData,retCityName
if __name__=='__main__':
    data,cityName = loadData('city.txt')
    km = KMeans(n_clusters=3)#聚成三类
    label = km.fit_predict(data)#打上相应标签
    expenses = np.sum(km.cluster_centers_,axis=1)