K均值聚类算法介绍
k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法。也算是无监督学习，聚类算法中最简单的一种了。
其整体思想为，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。
这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差的平方和局部最小。
接下来通过两张方式实现聚类算法，手写与库函数的调用。
K-means理解性编写
这是我关系十分不错朋友的一个作业，比较简单，但他还是不会。 真是的，他能不能想着提升一下自己啊，都大三了，还在这浪。 他们老师的目的就是理解K均值聚类算法的过程，自己写出来就行了。主要目标是补全mine_align()，与hero_move()两个函数，也是K均值里面最关键的两个部分了。以题目为例，下面说明一下。
# 商业转载请联系作者获得授权，非商业转载请注明出处。
# For commercial use, please contact the author for authorization. For non-commercial use, please indicate the source.
# 协议(License)：署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)
# 作者(Author)：
# 链接(URL)：http://begin.hjnodm.com/index.php/2021/10/18/k-means/
# 来源(Source)：
import numpy as np
import matplotlib.pyplot as plt
import random
import time
class Map():
def __init__(self, num_mine, num_hero):
self.num_mine = num_mine
self.num_hero = num_hero
self.mines = []
self.heros = []
self.init_map()
def init_map(self):
for i in range(self.num_mine):
x = random.random()
y = random.random()
self.mines.append([x, y])
for j in range(self.num_hero):
x1 = random.random()
y1 = random.random()
self.heros.append([x1, y1])
def hero_move(self):
#重新计算质心点
for center in self.result_c:
self.heros[center] = np.average(self.result_c[center], axis=0)
def mine_align(self):
#当前计算当前质心点所属的分类点有那些
self.result_c = {
}
for i in range(self.num_hero):
self.result_c[i] = []
for it in self.mines:
distance = []
for center in self.heros:
distance.append(np.linalg.norm(np.array(it) - np.array(center)))
classification = distance.index(min(distance))
self.result_c[classification].append(it)
def map_visualization(self):
tmp = np.array(self.mines)
X = tmp[:, 0]
Y = tmp[:, 1]
plt.plot(X, Y, 'b*')
tmp = np.array(self.heros)
X = tmp[:, 0]
Y = tmp[:, 1]
plt.plot(X, Y, 'ro')
plt.show()
def main():
map = Map(num_mine=100, num_hero=3)
while True:
map.mine_align()
map.hero_move()
map.map_visualization()
time.sleep(3)
if __name__ == '__main__':
main()
mine_align()函数主要完成的就是现阶段矿石(分类点)的排列，我更喜欢称为分类。其实现的功能就是计算每一个分类点与英雄点(质心点)的距离，根据其结果，选取距离最小的作为该分类点的类别。之后就是迭代此过程，得到所有矿石所对应的英雄类别。关键的函数如下。
np.linalg.norm(np.array(it) - np.array(center))
#求两点间的距离</code></pre>
其使用了numpy库内的函数，原本的功能是求范数，实现向量范数的计算。这里单纯用于计算两个点之间的距离。
hero_move()实现的功能就是根据排列之后矿石的分类，再次计算属于原类别英雄所负责的所有分类点的平均值（距离该类别下所有矿石距离之和最近的点）来作为英雄的新坐标。
但是该模板并没有结束条件，相当于最终英雄的位置不再改变时，但是程序仍在运行。其应该是要和接下来的其他游戏程序结合起来吧，如果单纯编写K均值算法，结束条件是必须要有的。
K-means库函数编写
下面是我个人运用sklearn库函数完成的K均值算法。关键点在于求出一个数据最合适的K值。
import numpy as np
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
import matplotlib.pyplot as plt
import pandas as pd
from pandas.plotting import andrews_curves
path = 'tf_idf.csv'
data = np.loadtxt(path, dtype=float, delimiter=',')
#导入数据
print(data)
k = 33
model = KMeans(n_clusters=k)
model.fit(data)
#确定分类的簇，即K值。进行拟合计算
for index, label in enumerate(model.labels_, 1):
print("index:{}⑧⑧⑧⑧⑧label:{}".format(index, label))
#打印出每一个分类点和其所属的簇（类别）。
# for i in range(5, 36):
# model = KMeans(n_clusters=i)
# s = model.fit(data)
# y_pre = s.labels_
# ans = silhouette_score(data, y_pre)
# print(i, ans, sep='⑧⑧⑧⑧⑧')
#关键点 求出该数据其最佳的簇的个数，即K值。
df = pd.read_csv(path, header=None)
df[3296] = model.labels_
print(df)
#新增一列，代表其标签值，即label
plt.figure()
andrews_curves(df, 3296)#一种可视化表现方式，有两种还是不错的，安德鲁曲线和雷达图，其位于pandas库内，想了解的去看一下上面导入的最后的库
plt.savefig('1.jpg')
plt.show()
#保存图片，展示。</code></pre>
K-Means追求的是簇间距离尽量大，簇内距离尽量小。常用的为轮廓系数，对于一个样本集合，它的轮廓系数是所有样本轮廓系数的平均值。轮廓系数的取值范围是[-1,1]，同类别样本距离越相近不同类别样本距离越远，分数越高。但依照实际情况考虑，143条文本，其内容也相差不多。分类的簇不易过多，因此选择在5-35直接选择K的最好值。 该数据最终选择33。
整体小结
个人经验之谈，初学者完全可以在学习了K均值算法后，手写出其代码，重点在于理解。但如果手写，其处理数据的维度可能较低，就是简单的2维X，Y轴问题，3维数据和4维勉强可以进行处理。当对K均值有一定的了解之后，就采用库函数的方式之间调用K均值算法，同时处理的数据量也会剧增，库函数的优点同样可以帮助我们完成任务。