简单聚类算法 K-means实现

K-means算法中K指分成多少类，为数据挖掘十大算法之一。

• 基本原理：在非监督学习(Unsupervised Learning)中,没有标签用来分类，此时应如何分类？

K-means算法是一种解决方案，此实例较为简单，提前声明数据集要分类的数目，即K值。以空间中K个点为中心进行聚类，对最靠近他们的对象归类，逐次更新各聚类中心的值，直到最后的聚类结果。

• 算法描述：
• 1. 适当选择k个类的初始中心，记为 c 
  2. 在第k次迭代中，对任意一个样本，计算到c中各个中心点的距离，将该样本归到距离最短的中心x所在的类。即 data[i,-1]=x
  3. 利用均值等方法更新该类的中心值
  4. 对于所有的聚类中心，进行2、3迭代更新后，若c值保持不变，则迭代结束

• 示例：分类四个药物，特征值简单，只有2个

Object	Feature 1:Weight Index	Feature 2: pH
Medicine A	1