k-means算法伪代码python_机器学习算法-KMeans聚类算法解析及伪代码实现。

机器学习算法-KMeans聚类算法解析及伪代码实现。

徐小狗在文末附上了几条大神们关于KMeans聚类算法的博文，欲详细研究请前往浏览~

作为初学者，许多地方可能笨拙或有误，希望有大神看到后给予优化和指点！~

Why – KMeans：现实中的聚类分析问题 – 总统大选

假设 M 国又开始全民选举总统了，目前 Mr.OBM 的投票率为48%(投票数占所有选民人数的百分比)，而 Mr.MKN 的为47%，而剩下的一部分出于【种种原因】没有投票。

做为其中某个阵营的人，自然是希望能够尽可能的争取到这些剩余的票 -因为这完全可能影响最终选举结果。

然而，你不可能争取到这些人的所有投票，因为你满足某个群体的人，也许就伤害到了另一群人的利益。

一个很不错的想法是将这些人分为 K 个群体，然后主要对其中人数最多的几个群体做工作。

这就需要使用到聚类的策略了。

聚类策略是搜集剩余选民的用户信息(各种满意/不满意的信息)，将这些信息输入进聚类算法，然后对聚类结果中人数最多的簇的选民做思想工作。

可能你会发现某个簇的选民都是一个社区的，一个宗教信仰的，或者具有某些共性。这样就方便各种各样的拉票活动了。

What – KMeans聚类算法：

聚类：给事物打标签，寻找同一组内的个体之间的一些潜在的相似模式，力图找到数据的自然分组。

聚类是一种无监督的机器学习任务，它可以自动将数据划分成类。

因此聚类分组不需要提前被告知组应该是什么样的(比如总统大选的例子)，因为我们甚至都不知道我们在寻找什么，所以聚类是应用于知识探索而不是预测。