Python实现k均值聚类算法_K-Means聚类算法

Python实现k均值聚类算法_K-Means聚类算法

若想快速了解k均值聚类算法_K-Means聚类算法，可参考这位大佬的文章，通俗易懂：k均值聚类算法考试例题_K-Means聚类算法，作者：weixin_39789792
感谢这位博主。

本篇博客仅作为自用笔记，如有侵权联系删除。

代码详细

注意：
质心k的坐标取值不能取的太离谱，比如三个质心中有一个质心的坐标离样本数据中所有坐标都很远，就会导致列表sse_k1(或k2、k3)中无数据，便使len(sse_kx(x为1、2、3))=0,报错：ZeroDivisionError: division by zero

import pylab as pl


def square_Euclid(x, y):
    """
    计算欧几里得距离：
    若是两个平面上的点，即（x1，y1），和（x2，y2），那这俩点距离即√( (x1-x2)^2+(y1-y2)^2）；
    如果是三维空间中的点，则为√( (x1-x2)^2+(y1-y2)^2+(z1-z2)^2 。
    """
    return (x[0] - y[0]) ** 2 + (x[1] - y[1]) ** 2


# 初始化各个点
num_x = []
num_y = []
fl = open('data01.txt')  # 点数据存放在data01.txt中
for line in fl.readlines():
    curLine = line.strip().split()

    num_x.append(float(curLine[0]))
    num_y.append(float(curLine[1]))

# 初始化三个质心，经过聚类得到三个分组
k1 = [-1.7,