Python机器学习算法之机器学习算法之k均值聚类（均值聚类（k-means））
主要为大家详细介绍了Python机器学习算法之k均值聚类，具有一定的参考价值，感兴趣的小伙伴们可以参考一
下
一开始的目的是学习十大挖掘算法（机器学习算法）,并用编码实现一遍，但越往后学习，越往后实现编码，越发现自己的编
码水平低下，学习能力低。这一个k-means算法用Python实现竟用了三天时间，可见编码水平之低，而且在编码的过程中看了
别人的编码，才发现自己对numpy认识和运用的不足，在自己的代码中有很多可以优化的地方，比如求均值的地方可以用
mean直接对数组求均值，再比如去最小值的下标，我用的是argsort排序再取列表第一个，但是有argmin可以直接用啊。下面
的代码中这些可以优化的并没有改，这么做的原因是希望做到抛砖引玉，欢迎大家丢玉，如果能给出优化方法就更好了
一一.k-means算法算法
人以类聚，物以群分，k-means聚类算法就是体现。数学公式不要，直接用白话描述的步骤就是：
1.随机选取k个质心（k值取决于你想聚成几类）
2.计算样本到质心的距离，距离质心距离近的归为一类，分为k类
3.求出分类后的每类的新质心
4.判断新旧质心是否相同，如果相同就代表已经聚类成功，如果没有就循环2-3直到相同
用程序的语言描述就是：
1.输入样本
2.随机去k个质心
3.重复下面过程知道算法收敛：
计算样本到质心距离（欧几里得距离）
样本距离哪个质心近，就记为那一类
计算每个类别的新质心（平均值）
二二.需求分析需求分析
数据来源：从国际统计局down的数据，数据为城乡居民家庭人均收入及恩格尔系数（点击这里下载）
数据描述：
1.横轴：城镇居民家庭人均可支配收入和农村居民家庭人均纯收入，
2.纵轴：1996-2012年。
3.数据为年度数据
需求说明：我想把这数据做个聚类分析，看人民的收入大概经历几个阶段（感觉我好高大上啊）
需求分析：
1.由于样本数据有限，就两列，用k-means聚类有很大的准确性
2.用文本的形式导入数据，结果输出聚类后的质心，这样就能看出人民的收入经历了哪几个阶段
三三.Python实现实现
引入numpy模块，借用其中的一些方法进行数据处理，上代码：
评论0