Kmeans算法实现（只调用数学运算的库）

Kmeans算法的实现主要分为个部分。

首先在网易公开课上系统学习了吴恩达的《深度学习公开课》，了解了Kmeans背后的算法逻辑，如下图所示：

接下来，我尝试使用代码对Kmeans进行实现。实现过程当中，我将随机样本设置为簇中心，在生成随机数据时，我使用 np.random.randn(n_samples, dimensions) 生成一个随机的正态分布矩阵，通过乘以 cluster_std 来调整数据点在第一个维度上的分布，使得数据点在第一个维度上的分布更加紧密或分散。这样生成的数据点将具有随机性，但同时在第一个维度上会有一定的聚集性，这有助于模拟实际数据中的聚类现象。

总共分为分为了两个文件，一个是Kmeans.py，这个文件实现了生成随机数据，并将数据进行聚类，接着将数据保存在excel当中。另一个是visualize.py，这个文件将聚类后的数据画出来，并按照聚类的label进行标注颜色。

以下是Kmean.py:

import numpy as np
import pandas as pd
import openpyxl
def Kmeans(data_points,k,size):
    """
    :param data: 需要进行聚类的所有数据
    :param k: 聚类中心的个数
    :return: 返回簇的坐标和标签
    ""