K-means聚类算法的应用——Python数据工程No.5

k-means算法：以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，簇间的相似度较低。

步骤：
1.随机选择k个点作为初始的聚类中心；
2.对于剩下的点，根据其与聚类中心的距离，将其归于最近的簇；
3.对每个簇计算所有点的均值作为新的聚类中心；
4.重复步骤2、3，知道聚类中心不再改变。

实现方法：
sklearn.cluster.Kmeans

案例：
根据1999年全国31个省份城镇居民家庭平均每人全年消费性支出数据按照消费水平进行聚类分析
数据：

北京,2959.19,730.79,749.41,513.34,467.87,1141.82,478.42,457.64
天津,2459.77,495.47,697.33,302.87,284.19,735.97,570.84,305.08
河北,1495.63,515.90,362.37,285.32,272.95,540.58,364.91,188.63
山西,1406.33,477.77,290.15,208.57,201.50,414.72,281.84,212.10
内蒙古,1303.97,524.29,254.83,192.17,249.81,463.09,287.87,192.96
辽宁,1730.84,553.90,246.91,279.81,239.18,445.20,330.24,163.86
吉林,1561.86,492.42,200.49,218.36,220.69,459.62,360.48,147.76
黑龙江,1410.11,510.71,211.88,277.11,224.65,376.82,317.61,152.85
上海,3712.31,550.74,893.37,346.93,527.00,1034.98,720.33,462.03
江苏,2207.58,449.37,572.40,211.92,302.09,5