利用Java实现KMeans聚簇算法

        与分类、序列标注等任务不同，聚类是在事先并不知道任何样本标签的情况下，通过数据之间的内在关系把样本划分为若干类别，使得同类别样本之间的相似度高，不同类别之间的样本相似度低（即增大类内聚，减少类间距）。

        聚类属于非监督学习，K均值聚类是最基础常用的聚类算法。它的基本思想是，通过迭代寻找K个簇（Cluster）的一种划分方案，使得聚类结果对应的损失函数最小。

        通俗来说，聚类就是把一些点（以二维坐标系为例）选取适当的中心将这些点进行分类。

那么我们如何使用Java来实现该算法的实现，这里以一些随机生成的二维坐标轴点为例。

首先，我们在IDEA下新建软件包，KMeansTest，然后新建类KMeans和类KMeansMethod以及文本文件result用于存放生成的点以及对应的聚簇中心点。

在KMeans类中编写程序的主函数和主运行逻辑，KMeansMethod中具体实现主函数中需要用的方法。

首先，我们需要获取对应的随机生成的点集

编写生成点集的函数前，我们需要编写代码用于生成随机点，这里我们为了方便，将每个点的x与y值设置为不大于100的正整数。

生成随机点的函数getInts()代码如下

// 生成随机点
    private static int[] getInts(){
        int[] ints = new int[2];
        Random random = new Random();
        ints[0] = random.nextInt(100);
        ints[1] = random.nextInt(100);
        return ints;
    }

生成随机点集的函数getPoints(int n)的代码如下，n为生成点的数量

    // 获取点的集合
    public static int[][] getPoints(int n) {
        int[][] points = new int[n][];
        for (int i = 0; i < n; i++) {
            points[i] = getInts();
        }
        return points;
    }

至