简单二分类（手动输入初始聚类点）

根据样本点距初始聚类点的距离，将样本点分类。样本点距离那个初始聚类点最近就分为哪一类，手动输入初始聚类点（k个），并计算分类后各簇的均值。

数据下载链接：
链接：https://pan.baidu.com/s/1GT2HGMRtYJsVm7iWMi4qRw
提取码：up6x
复制这段内容后打开百度网盘手机App，操作更方便哦

import numpy as np
import matplotlib.pyplot as plt
from scipy.io import loadmat

mat = loadmat("./data/ex7data2.mat")
X = mat['X']


def plot_data(X):
    plt.figure(figsize=(8, 5))
    plt.scatter(X[:, 0], X[:, 1],  label='point')
    plt.xlabel("X1")
    plt.ylabel("X2")
    plt.legend()
    plt.title("X")
    plt.grid(True)


plot_data(X)
plt.show()


def find_closest_centroids(X, centroids):  # 簇分配
    m = X.shape[0]  # 样本个数
    k = centroids.shape[0]  # 聚类个数
    idx = np.zeros(m)
    for i in range(m):
        min_dist = 1000  # 初始距离
        for j in range(k):
            dist = np.sum((X[i, :] - centroids[j, :])**2)
            if dist < min_dist:
                min_dist = dist
                idx[i] = j
    return idx
    

def compute_centroids(X, idx):  # 计算各簇均值
    centroids = []
    for i in range(len(np.unique(idx))):  # np.unique() means K
        u_k = X[idx == i].mean(axis=0)  # 求每列的平均值
        centroids.append(u_k)
    return np.array(centroids)

init_centroids = np.array([[3, 1], [6, 3], [2, 5]])  # 手动设置初始聚类中心
idx = find_closest_centroids(X, init_centroids)
print(idx)
print(compute_centroids(X, idx))
cluster1 = X[np.where(idx == 0)[0], :]
cluster2 = X[np.where(idx == 1)[0], :]
cluster3 = X[np.where(idx == 2)[0], :]
plt.figure(figsize=(8, 5))
plt.scatter(cluster1[:, 0], cluster1[:, 1], s=30, color="r", label="cluster 1")
plt.scatter(cluster2[:, 0], cluster2[:, 1], s=30, color="g", label="cluster 2")
plt.scatter(cluster3[:, 0], cluster3[:, 1], s=30, color="b", label="cluster 3")
plt.legend()
plt.show()

输出结果：
plt.show()：数据X的分布图

print(idx)：各样本的分类属别

[2. 1. 1. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.
2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.
2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.
由于篇幅受限后面省略]

print(compute_centroids(X, idx))：均值坐标

[[3.04367119 1.01541041]

plt.show()：分类上色区别图

不同的初始聚类点会有不同的分类效果图，代码中的初始聚类点仅供参考。
本人不才，如有错误欢迎指正。