算法-聚类-K均值与模糊K均值：原理+python代码

这篇文章是根据作业修改后得到的，个人感觉写的比较详细了。但还有许多不足，希望大家评论指出。

K均值聚类与模糊K均值

1. 算法原理及流程

相关名词解释如表1。
表1-相关名词解释

1.1 K均值算法原理

K均值是基于原型的、划分的聚类计数。K均值使用质心定义原型，质心是一组点的均值。
1）首先，选择K个初始质心（通常随机初始化），其中K是用户预期的簇个数。
2）每个点指派到最近的质心，而指派到一个质心的点集合为一个簇。这里的距离量度有多种，通常采用欧几里得距离：

SSE为误差的平方和（Sum of Squared Error, SSE）， 为第 个簇， 为 中的点， 为第 个簇的均值。
3）然后，根据指派到簇的点，更新每个簇的质心。

4）重复指派和更新步骤，直到簇不发生变化，或等价为质心不发生变化。

1.2 K均值算法伪代码流程