3. K-means方法及其应用

1. K-means聚类算法

k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。

其处理过程如下：

1. 随机选择k个点作为初始的聚类中心。
2. 对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇。
3. 对每个簇，计算所有点的均值作为新的聚类中心。
4. 重复2、3直到聚类中心不再发生改变。

2. K-means的应用

现有1999年全国 31个省份城镇居民家庭平均每人全年消费性支出的八个主要变量数据，这八个变量分别是：食品、衣着、家庭设备用品及服务、医疗保健、交通和通讯、娱乐教育文化服务、居住以及杂项商品和服务。利用已有数据，对31个省份进行聚类。

# 31省市居民家庭消费水平
import numpy as np
from sklearn.cluster import KMeans


def load_data(file_path):

    fr = open(file_path, 'r+')  # r+ 以读写的方式打开一个文本文件
    lines = fr.readlines