Python机器学习算法实践——二分k-均值算法

二分k-均值算法步骤：

首先将所有点作为一个属，然后将该簇-分为二，之 后选择其中-个簇进续进行划分，选择哪一个簇进行划取决于对其划分是否可以最大程度降低SSE的值，上述基于SSE的别分过程不断重复，直到得到用户指定的属数目为止，
将所有点看成一个簇
当簇数目小于k时
      对于每一个簇:
          计算总误差
           在给定的簇上面进行K-均值聚类(k=2)计算将该簇一分为二后的总误差
      选择使得误差最小的那个簇进行划分操作
另一种做法选择S正最大的簇进行划分，直到簇数目达到用户指定的数目为止。

 

Python实现

# -*- coding: utf-8 -*-
"""
Created on Thu Aug 16 11:09:04 2018

@author: wjw
"""

from numpy import  *

def loadDataSet(fileName):
    dataMat=[]
    fr=open(fileName)
    for line in fr.readlines():
        arr=line.strip().split('\t')
        #map (回调函数，列表)-》循环列表中的每个值，调用回归函数得到结果，存到map -》 list
        l=list(map(float,arr))#float 强制类型转换
        dataMat.append(l)
    return dataMat
    
dataMat=loadDataSet('dataset/testSet.txt')
#print(dataMat[0:5])
    
#距离 度量方式：
#1.欧氏距离
def disEuclid(vecA,vecB):
    return sqrt(sum(power((vecA-vecB),2)))

#初始质心选取
def randCenter(dataSet,k):
    n=shape(dataSet)[1]#n=..列
    centers=mat(zeros((k,n)))
    #print(centers)
    for j in range(n): #每循环一次，产生的一个特征值
        #当前第j列的最小值，与最大值，求范围
        minJ=