Python K均值聚类

原理：k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。

二、程序代码

# -*- coding:utf-8 -*-
import random
import math
def formula_diatance(a= None,b=None):
    result=math.sqrt(pow((a[0]-b[0]),2)+pow((a[1]-b[1]),2))
    return result
def GetNewPoint(list=None):

    x=0
    y=0
    for l in list:
        x+=l[0]
        y+=l[1]
    result=[x/len(list),y/len(list)]
    return result
def row2column(list=None):
    kind=[]
    i=len(list)
    j=len(list[0])
    for m in range(0,j):
        col = []
        for n in range(0,i):
            col.append(list[n]