kmeans聚类

k-means：基于划分算法的典型、实现比较简单。特点是只能聚球形、受离群点的影响很大。

采用python实现：用二维矩阵来存点集和质心点、每次循环分两步：计算质心和重新分配点，循环直到最小平方误差SSE收敛为止，或者指定一个最大的迭代次数。

关于画图，我使用的是pylab和Matplotlib，Matplotlib是一个类matlab 的库，比较方便python作图，安装它时花了很长的时间来解决依赖库。。网上搜了一大堆帖子，最后总算是解决了、、

总结一下安装时的问题吧：
Matplotlib依赖的库主要有：numpy、scipy、pyparsing、dateutil、six。
我由于是在windows下安装的，所以在这里http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyparsing搜到了安装文件。
安装时一定要和自己的python版本相匹配！
我在安装six的时候出了问题，异常总是提示版本不对，后来网上搜了一个帖子，
下载了一个six-1.8.0.tar.gz，解压后把其中的six.py、six.pyc（可以编译一下得到）安装复制到XXX:\Python27\Lib\site-packages下就可以，
当然，也可以先安装个setuptools来easy_install更加方便，或者直接pip安装。

数据集data.txt：用numpy随机产生的一个点集，输出到文件data.txt中，x坐标和y坐标之间加逗号分隔。

kmeans.py：读取文件，运行kmeans，最后生成一个可视化的对比图。

"""
	author:messiandzcy
	date:2014.12.1
	kmeans.py
"""
#coding=utf-8
import random
import math
import pylab as pl
#存放点集的列表
def Points(num_of_points,num_of_attributes):
    poin