K-means聚类算法的小例子

给定一个二维的数据集，要求化为2个类别。

点 x  y
1  0  0
2  1  1
3  5  5 
4  5  6
5  2  0

文件内容（路径：D:\name.txt）

1,0,0
2,1,1
3,5,5
4,5,6
5,2,0

代码段：

from sklearn.cluster import KMeans

def loadData(filePath):
    fr = open(filePath, 'r+')
    lines = fr.readlines()
    retData = []
    retName = []
    for line in lines:
        items = line.strip().split(",")#文件处理
        retName.append(items[0])
        retData.append([float(items[i]) for i in range(1, len(items))])
    return retData, retName

if __name__ == '__main__':
    data, Name = loadData('D:\name.txt')
    km = KMeans(n_clusters=2)
    #n_clusters=2：分成两类
    label = km.fit_predict(data)
    NameCluster = [[], []]
    #有两个类建两个子集
    for i in range(len(Name)):
        NameCluster [label[i]].append(Name[i])
    for i in range(len(NameCluster )):
        print(NameCluster [i])

输出结果，与作图目测结论相符：

['1', '2', '5']
['3', '4']