欧式距离
定义

第一步:随机找三个点作为中心,计算每个点到这3个中心点的距离,分成最初的三个组
第二步:重新计算三个组的中心点X.MEAN() Y.MEAN(),再重新计算每个点到三个点的距
重新分成3个组。
第三步:重复第二步,指导所有的点不再变化。
A到B的欧式距离:

代码:
improt sklearn.cluster as sc
model = sc.KMeans(n_clusters = 4)
X = pd.read_excel(r"C:\Users\99205\Desktop\数据集\bankdata.xlsx")
model.fit(X)
labels = model.labels_#获取样本聚类后的标签
centers = model.cluster_centers_ #获取样本聚类的中心点

本文介绍了如何使用K-Means算法对数据进行欧式距离聚类,步骤包括选取初始中心点、重新计算中心并划分组别,直至所有点不再变化。作者给出了Python代码实例,展示了如何用sklearn库在银行数据集上执行KMeans聚类。
2815





