一步一步kmeans算法研究--numpy及matplotlib原始数据读取与展示

引子

最近在看机器学习相关的视频教程，其中讲到了通过kmeans进行聚类算法，于是萌生了研究下该算法并通过python来一步一步展现算法的整个过程的想法。

原理

kmeans的具体原理发现晚上有一个教程较为清晰地展现了kmeans，参考如下： http://www.csdn.net/article/2012-07-03/2807073-k-means

运用python展示

一个良好的数据组织和展示可以极大的加强我们对算法的理解，于是第一步为如何展示一组基本数据。

数据源

自己也就不去造数据源了，拿了一个中国大学mooc给出了一个kmeans的测试数据：http://www.icourse163.org/learn/BIT-268001?tid=1002001005#/learn/content?type=detail&id=1002613060&cid=1002856188，另外也可以从我的github中进行下载：https://github.com/skyztt/kmeans-python.git

操作

• 通过numpy读取原始输入，可以使用np.loadtxt读取出文件，读取后的数据如下（之前没有理解原始数据，认为原始数据只表示y坐标，后面查找如何将数据降维道一维，也算多 理解了一个api吧，可以通过flatten将其转化为一维数据）：

[[ 1.658985  4.285136]
 [-3.453687  3.424321]
 [ 4.838138 -1.151539]
 ..., 
 [-4.561235 -4.563214]
 [ 5.461454 -5.123464]
 [ 4.012356 -4.985623]]

• 展示出来：
  这里使用matplot进行展示，但这里需要从原始数据中抽取出x，y坐标，于是使用到了numpy的切片：（附上一个当时参考的博文http://blog.csdn.net/liangzuojiayi/article/details/51534164，其中一张图很好地说明了这个问题）
  
  附上代码，短短几句原始数据打印成功～

import numpy as np
import matplotlib.pyplot as plt

a = np.loadtxt(".\\testSet.txt")
plt.scatter(a[:,:1], a[:,1:2])
plt.show()