k-means算法（算法思想+流程图+Python代码实现+散点图+结果输...
本帖最后由 lovet 于 2020-6-14 15:36 编辑k-means算法思想：
第一步，从文件中读取数据，点用元组表示，点集用列表表示。
第二步，初始化聚类中心。首先获取数据的长度，然后在range(0,length)这个区间上随机产生k个不同的值,以此为下标提取出数据点，将它们作为聚类初始中心，产生列表center。
第三步，分配数据点。将数据点分配到距离（欧式距离）最短的聚类中心中，产生列表assigment，并计算平均误差。
第四步，如果首次分配后有结果为空，则重新初始化聚类中心。
第五步，更新聚类中心,（计算每一簇中所有点的平均值），然后再次进行分配，并计算平均误差。第六步，比较前后两次的平均误差是否相等，若不相等则进行循环，否则终止循环，进入下一步最少进行两次聚类，对比误差，输出较小误差时的结果，避免平均误差过大。
流程图：
结果输出：
散点图：
python代码：
data文件数据：
【end】
页:
[1]