K-means学习理解

最近在学习K-means算法，在GitHub上找了一个源代码自己敲看看。
引用别人的话来解释K-means的思想：

K-means是一种将输入数据划分成k个簇的聚类算法。K-means反复提炼
初始评估的类的中心，步骤如下：
 - 以随机或猜想的方式初始化类中心Ui：i= 1....K
 - 将所有的数据点归并到离它距离最近的类中心所属的类ci
 - 对所有属于该类的数据点求平均，将平均值作为新的类中心
 - 重复步骤2，3直到收敛（判断依据是中心点变化的差值大小）

对于算法的实现，是我们建立一个聚类算法对象，我们需要不断的用到2，3步骤的操作，可以将其写成一个方法，来供我们一直调用。

• 步骤2可以写一个assign_to_cluster（）函数
• 步骤3可以写一个compute_mean（）函数
• 除此之外，我们还得对步骤1进行实现，可以由一个函数initial_means()完成，但是要生成K个随机点中心，我们可以再用一个next_mean_center()函数来生成一个中心点
• 这样我们就需要四个函数，完成数据处理，但是我们需要一个类似主函数的方法，来实现整个流程的控制。
• 展示数据方面，我们也需要对聚类对象的数据进行打印，如打印其中心点集合print_mean()还有打印各个类的元素的函数print_clusters()

最后附上github上的源码：github源码