Kmeans算法续篇（自定义簇中心并提出改进措施）

本篇文章大部分代码延续了上一篇（Kmeans算法实现（只调用数学运算的库）-优快云博客）

但在自动生成数据函数generate上做了一些改进，代码如下：

def generate_data(size,dimension,centers,cluster_std):
    """
    :param size: 表示生成数据的总个数
    :param dimension: 表示生成数据的维度
    :param centers: 随机生成数据围绕的点
    :param cluster_std: 浮点数，表示簇内数据的标准差
    :return: 返回生成的数据
    """
    all_data = []
    for center in centers:
        data = np.random.randn(size,dimension)*cluster_std+np.array(center)
        all_data.append(data)
    all_points = np.vstack(all_data)
    return all_points

尝试一：自定义三个点，在这三个点的周围生成随机数据，不断地把这三个点靠拢，观察Kmeans聚类算法的效果

第一次：定义三点为(-5, -4), (-2, 0), (2, 4)，簇中心为3，每个点周围数据量为20个，聚类结果如下图所示