python K-Means聚类算法的实现

K-Means 简介

聚类算法有很多种（几十种），K-Means是聚类算法中的最常用的一种，算法最大的特点是简单，好理解，运算速度快，但是一定要在聚类前需要手工指定要分成几类。
具体实现步骤如下：
给定n个训练样本{x1，x2，x3，…，xn}

　　kmeans算法过程描述如下所示：

　　1.创建k个点作为起始质心点，c1，c2，…，ck
　　2.重复以下过程直到收敛

　　　　遍历所有样本xi，根据距离确定每一个样本的类别。
　　　　确定类别后，计算每一个样本到各自质心的距离，然后求和。和用来和前一次计算出来的距离和比较，已确定是否收敛。
　　　　对每一个类，计算所有样本的均值并将其作为新的质心（对于点而言，就是所有x坐标的平均值作为质心的x坐标，所有y坐标的平均值作为y坐标的均值）
　　　　　　　　
根据以上步骤，实现的具体效果如下：

完整代码如下：

from matplotlib import pyplot
import numpy as np
#随机生成K个质心
def randomCenter(pointers,k):
    indexs = np.random.random_integers(0,len(pointers)-1,k)
    centers = []
    for index in indexs:
        centers.append(pointers[index])
    return<