机器学习实战--kmeans实例讲解

前面几篇讲了机器学习中的分类，今天讲一下聚类算法–kmeans，聚类通俗地说就是将一堆数据分成几堆，属性相似的在一起（物以类聚人以群分）。
kmeans的原理十分简单，直接上步骤：

1. 我们假定将数据分成k堆，先从数据里面随机选k个点作为初始质心
2. 依次计算剩下的数据距每个质心的距离，为每个点选取距离最小的质心
3. 这就完成了一次聚类，但是效果肯定不是很好，我们针对每个堆再计算质心，得到k个新的质心
4. 再对所有的数据计算距每个新的质心的距离，再为每个点选取新的距离最小的质心
5. 不停的循环这个过程，直到质心不再改变为止

from numpy import *
def loadDataSet(filename):
    dataMat=[]
    fr=open(filename)
    for line in fr.readlines():
        curline=line.strip().split('\t')
        fltline=map(float,curline)
        dataMat.append(list(fltline))
    return dataMat