西瓜书9.10：实现自动确定聚类数目的k_means算法

问题：

试设计一个能自动确定聚类数的改进k均值算法，编程实现并在西瓜数据集4.0上运行。

数据集：

西瓜数据集4.0

数据集描述：

该数据集共有30个样本，每个样本有密度和含糖度两个特征。

思路：

如何确定k的取值：

这里希望每一类别内部样本点距离较小而不同聚类之间的误差较大，所以用：

作为损失函数，其值越小越好，希望取得局部最优点，当值在k时增大，则k=k-1时最优

如何选择较好的k个均值：

随机选取的问题：

若是均值随机选，则很可能寻找到两个距离很近的均值点，在迭代过程中，这两个均值点会逐渐靠近最后重合，使得最后聚类数目减少。

算法思想:

首先随机选取L个均值点，接着根据这L个均值点对样本聚类，减去那些聚类内样本较小的点。接着在剩下的L1个店中随机选取一个均值点，并且寻找距离该点最远的均值点，依次迭代直至选取到K个均值点。

算法流程：

k_means算法：

1. 初始化：首先选取k个均值点
2. 将样本点划分到距离自己最近的均值点所在类别
3. 根据聚类结果更新均值点
4. 重复步骤2.3直至均值点不再改变
5. 输出聚类结果

结果：

通过对损失函数计算，得到当k=3时，聚类结果最优，聚类结果以及图形化展示如下：

源码 :

损失函数计算：

clu_unique=np.unique(cluster)
    D