半监督k-means算法

import numpy as np
import matplotlib.pyplot as plt
#matplotlib inline

# 解析文件，按空格分割字段，得到一个浮点数字类型的矩阵
def loadDataSet(fileName):  
    dataMat = []              # 初始化一个空列表，文件的最后一个字段是类别标签
    fr = open(fileName)       # 读取文件
    for line in fr.readlines():   # 循环遍历文件所有行
        curLine = line.strip().split(' ')   # 切割每一行的数据
        fltLine = list(map(float, curLine))  # 映射所有的元素为 float（浮点数）类型
        dataMat.append(fltLine)   # 将数据追加到dataMat
    return dataMat       # 返回dataMat

# 计算欧几里得距离
def distEclud(vecA, vecB):
    return sqrt(sum(power(vecA - vecB, 2))) # 求两个向量之间的距离

# 构建聚簇中心，取k个(此例中为4)随机质心
def randCent(dataSet, k):
    n = shape(dataSet)[1]            #获取特征值数量：3列
    centroids = mat(zeros((k,n)))    #初始化质心为0，创建(k,n)个以零填充的矩阵k=4行,3列
    for j in range(n):               #循环遍历特征值
        #下面计算的分别是横坐标、纵坐标与类别标签
        minJ = min(dataSet[:,j])     #计算每一列的最小值