Python使用K-means聚类算法进行分类案例一则

K-means算法是经典的基于划分的聚类方法，是十大经典数据挖掘算法之一，其基本思想是：以空间中k个点为中心进行聚类，对最靠近它们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。

最终的k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。

该算法的最大优势在于简洁和快速，算法的关键在于预测可能分类的数量以及初始中心和距离公式的选择。

假设要把样本集分为c个类别，算法描述如下：

（1）适当选择c个类的初始中心；

（2）在第k次迭代中，对任意一个样本，求其到c个中心的距离，将该样本归到距离最短的中心所在的类；

（3）利用均值等方法更新该类的中心值；

（4）对于所有的c个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变或相差很小，则迭代结束，否则继续迭代。

运行结果：