k均值的损失函数_K-Means算法的实现

本篇文章是本人在看《机器学习实战》的代码注解笔记，修改了原作上的一些错误，经本人调试无误，如有任何问题，欢迎私信或者评论~

伪代码

创建k个起始质心
当任意点的簇分配改变时
    对数据集中的点
        对每个质心
            计算点到质心的距离
            记录距离最小值和簇号
        将数据点分配给距离最小的簇
    计算每个簇中的均值，作为下一次循环的质心

实现材料

1. 三个数组（矩阵）

• 数据集 dataSet
• 质心集 centroids
• 评价集 clusterAssment --（簇索引，距离^2）

2. 标志位

• clusterChanged 一旦数据集中的点的簇分配发生改变，则继续循环优化质心

具体实现

def kMeans(dataSet, k, distMeans, createCent):
    # 初始化质心集和评价集
    centroids = createCent(dataSet, k)
    # m为点个数
    m = shape(dat