理解K-means聚类算法及Python,Java实现

K-means聚类算法简介

举个栗子

图一有ABCDE这五个点。

我们先随机选择两个点作为我们的初始聚类中心（簇中心点），标记为红点和黄点。

开始第一次聚类。对于所有点分别计算其到红点和黄点的距离，我们发现AB点到红点距离更近，而CDE三个点到黄点的距离更近。于是，AB为一簇，CDE为一簇。然后对于这两簇，分别计算簇内各点的均值，标记为新的红点和黄点（图三）。

开始第二次聚类。我们发现ABC点到红点距离更近，而DE点到黄点的距离更近。于是，ABC为一簇，DE为一簇。对于这两簇，分别计算簇内各点的均值，标记为新的红点和黄点（图五）。

开始第三次聚类。我们发现仍然是ABC为一簇，DE为一簇。计算新的簇中心点，发现与第二次聚类中心点一致。

结束。

sklean.cluster.KMeans方法

form sklearn.cluster import KMeans
import numpy as np

km = KMeans(n_clusters=3)  # 分成三类
label = km.fit_predict(cityData)  # cityData由31个城市的8个数据组成的list
expenses = np.sum(km.cluster_center_, axis=1) # 聚类中心点的数值（每一簇点各个属性的均值）加和

KMeans方法参数 

Python 实现

'''
算法过程如下:
1)从N个数据随机选取K个数据作为质心
2)对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类
3)重新计算已经得到的各个类的质心
4)迭代2~3步直至新的质心与原质心相等或小于指定阈值，算法结束
'''
import io
import sys
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='utf-8')
import random
import numpy as np


data = [[1.0, 2.0], [3.0, 8.0], [2.0, 2.0], [1.0, 1.0], [5.0, 3.0],
        [4.0, 8.0], [6.0, 3.0], [5.0, 4.0], [6.0, 4.0], [7.0, 5.0]]
 
def findCentroids(dataset, k):
 	return random.sample(dataset,k)

def calculateDis(dataset, centroids):
	values = [[],[],[],[]]
	distances = [