聚類是給定一組資料，將相似的分組。每乙個組稱為群集
相似性根據演算法而變化 ，取決於資料點之間的距離，座標等。
首先有資料。然後確定群集的數量，這個演算法 的特點就是要先確定群集的數量。
這次使用3個群集。
隨機 設定三個點作為群集的中心點。
根據每個資料計算並確定最接近的集群的 中心點。
也就是迴圈第個資料點，計算離 a b c 哪個 點最近 。就歸為哪個點的群集中。
直到所有資料分類。
計算每個圓圈的重心（每個集群資料的重心），並將集群的中心點（abc）移動到那裡。
重新計算 二步驟 ，哪些點離abc近，分類。再進行移動
直到中心點收斂。收斂的意思就是無限接近於某乙個值 。
數學證明過了，重複操作時，中心點將在某個地方收斂。
完成。注意。：當我們選擇 群集數量 為兩個的時候。這個演算法的效果可就沒有那麼的肉眼看到的好了。肉眼看起來有三個嘛。
解決辦法有：預先分析辦法。多次改變 集群數量來嘗試k-means演算法
就是 乙個乙個的比較 直到相等為止。沒什麼好解析的。名字這個高大上。
你心中想定乙個範圍（n-m）內乙個數字，我說出乙個數字，你只需要說你心中的數字比我說的大還是小，我最多（m-n-1）/2次可以說出你心中想的數字。
每次劃分一半，判斷大於還是小於還是等於，然後從剩下的一半找。
等於則完成 。 沒什麼好說的。
k均值聚類演算法
輸入 簇的數目k和包含n個物件的資料庫。輸出 k個簇，使平方誤差準則最小。演算法步驟 1.為每個聚類確定乙個初始聚類中心，這樣就有k 個初始聚類中心。2.將樣本集中的樣本按照最小距離原則分配到最鄰近聚類 3.使用每個聚類中的樣本均值作為新的聚類中心。4.重複步驟2.3直到聚類中心不再變化。5.結束，...
K 均值聚類演算法
from numpy import 建立元組 dataset 與我們所熟悉的矩陣類似，最終我們將獲得n 2的矩陣，filein open home zengxl pycharmprojects test3 機器學習實戰 ch10 testset.txt 是正斜槓 for line in filein...
K 均值聚類演算法
k means演算法是最簡單的一種聚類演算法。演算法的目的是使各個樣本與所在類均值的誤差平方和達到最小 這也是評價k means演算法最後聚類效果的評價標準 k means聚類演算法的一般步驟 初始化。輸入基因表達矩陣作為物件集x，輸入指定聚類類數n，並在x中隨機選取n個物件作為初始聚類中心。設定迭...