聚类算法之K-均值聚类

先看一张图（来自集体智慧编程）

这个算法思路很简单， 就是最开始的时候随便定 k 个点， 然后遍历每一个原图的点， 使得每一个点都归属与那k个点中的一个， 然后更新那k个点的位置（一般是中点）

这个算法是解决当数据太多的时候层次聚类的算法太慢而设计的， 别的优点我就不知道了， 这个算法还可以调节k的大小， 比较方便， 属于人为干预性的， 而层次聚类就是属于自动型的

代码中用到了上一篇文章所提供的数据

import os
import sys
import chardet
from math import sqrt
from PIL import Image, ImageDraw
import random
#coding:utf-8
def readFile(fileName):
    lines = [line for line in file(fileName)]
    colNames = lines[0].strip().split('\t')[1:]
    rowNames = []
    data = []
    for line in lines[1:]:
        p = line.strip().split('\t')
        rowNames.append(p[0])
        data.append([float(x) for x in p[1:]])
    return rowNames, colNames, data

def pearsonBeta(v1, v2):
    sum1 = sum(v1)
    sum2 = sum(v2)
    
    sum1Sq = sum([pow(v, 2) for v in v1])
    sum2Sq = sum([pow(v, 2) for v in v2])
    
    pSum = sum([v1[i] * v2[i] for i in range(len(v1))])
    
    nums = pSum - (sum1 * sum2 / len(v1))
    den = sqrt((sum1Sq - pow(sum1, 2) / len(v1)) * (sum2Sq - pow(sum2, 2) / len(v2)))
    if(den =