文本聚类算法之K-means算法的python实现

一、算法简介

算法接受参数k，然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得的一个“中心对象”来进行计算的。

       基本思想：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。

       算法描述：

       （1）适当选择c个类的初始中心

       （2）在第k次迭代中，对任意一个样本，求其到c个中心的距离，将该样本归到距离最短的中心所在的类。

       （3）利用均值等方法更新该类的中心值。

       （4）对于所有的c个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。

       该算法的最大优势在于简洁和快速。算法的关键在于初始中心的选择和距离公式。

二、实验

实验数据集来自于网上，数据文件testSet.txt 中的内容如下：

1.658985      4.285136
-3.453687     3.424321
4.838138      -1.151539
-5.379713     -3.362104
0.972564      2.924086
-3.567919     1.531611
0.450614      -3.302219
-3.4