基于python实现Kmedian算法

以下是基于python实现Kmedian算法的示例代码：

import numpy as np
import random

def kmedian(X, k, max_iter=100):
    # 初始化k个中心点
    centers = random.sample(list(X), k)
    for i in range(max_iter):
        # 将每个样本点分配到最近的中心点
        clusters = [[] for _ in range(k)]
        for x in X:
            distances = [np.linalg.norm(x-c) for c in centers]
            cluster_idx = np.argmin(distances)
            clusters[cluster_idx].append(x)
        # 更新中心点为各自簇内点的中位数
        new_centers = []
        for i in range(k):
            new_center = np.median(clusters[i], axis=0)
            new_centers.append(new_center)
        # 判断是否收敛
        if np.allclose(centers, new_centers):
            break
        centers = new_centers
    return centers, clusters

其中，X为样本点集合，k为聚类的簇数，max_iter为最大迭代次数。函数返回聚类的中心点和每个样本所属的簇。在函数内部，首先随机选择k个样本点作为初始中心点；然后进行迭代，每次将每个样本点分配到最近的中心点所在的簇中，计算每个簇内的点的中位数作为新的中心点；如果中心点没有改变或者达到最大迭代次数，则停止迭代。最终返回聚类的中心点和每个样本所属的簇。