K-均值聚类算法

系列阅读

随机确定k个初始点作为质心，然后将数据集中的每个点分配到一个簇中，完成之后，每个簇的质心更新为该簇所有点的平均值

随机初始点算法流程

dataSet:
[[ 1.658985  4.285136]
 ....
 [-4.905566 -2.91107 ]]

k:2  质心数

n:2 列数

centroids: 存放随机初始点
[[0. 0.]
 [0. 0.]]


 循环n次
   依次取每列的最小值
   j=0 :  minJ:[[-5.379713]]
   得到本列最小值最大值之间的差值
   10.217851

   np.random.rand(k,1) 随机生成k个0-1之间的值
   centroids[:,j] 利用随机数和差值得到第j列
   [[3.07023768 0.        ]
   [1.3933703  0.        ]]

   循环完毕得到速记点centroids
   

向量欧氏距离计算
第一个点 vecA:[[1.658985 4.285136]]
第二个点 vecB:[[-3.453687  3.424321]]

欧氏距离计算公式np.sqrt(sum(np.power(vecA - vecB, 2)))



K-均值聚类算法执行流程
dataSet：
[[ 1.658985  4.285136]
 ....
 [-4.905566 -2.91107 ]]