直接上代碼^_^

思路：

我們的數(shù)據(jù)可能是多維的，所以我們把數(shù)據(jù)當(dāng)作向量對待。

首先我們需要了解這個算法的特點——需要手動設(shè)分類的數(shù)量（k）值。

此時類的編號為0~k-1。

然后我們考慮整體的過程。每個類有一個聚類中心（centroid），中心的坐標(biāo)就是該類每個元素坐標(biāo)的平均值，對于每一個數(shù)據(jù)而言，它離哪個中心最近，它就屬于哪個類。因此，每次迭代（在KMeansAlgorithm.Iterate方法中實現(xiàn)）時，首先計算每個數(shù)據(jù)屬于哪個類，此時每個類的成員發(fā)生了變化，因此需要重新計算每個類的中心（如果不變就說明我們的迭代已經(jīng)完成了）。

這里我們要注意一下我們選取的距離函數(shù)（KMeansAlgorithm.distsquare），它計算兩個向量之間歐氏距離的平方：

其中為數(shù)據(jù)的維數(shù)。我們知道，向量點乘它自己就是其模長的平方，這就不難理解代碼中對該函數(shù)的實現(xiàn)了。

那么問題來了：一開始每個類的情況是怎樣的呢？沒有初始值就無法進行迭代。這里，我們使用clusmap來表示每個數(shù)據(jù)屬于哪個類，clusmap[3]=0代表第三個元素屬于第0類。在setk方法里，我們隨機分配每個元素屬于的類，用np.random.randint實現(xiàn)。然后計算每個類的中心，這樣就完成了初始化，之后就可以開始迭代了。

最后，怎么判斷是否結(jié)束了呢？我們定義“畸變函數(shù)”KMeansAlgorithm.GetDistortion，它等于每個數(shù)據(jù)到它所在的類的中心的距離的平方和。顯然，這個值越低，分類越準(zhǔn)確。我們迭代時，如果發(fā)現(xiàn)這個值隨著迭代的變化小于一定程度（Compute方法的threshold參數(shù)），就基本可以判斷迭代結(jié)束了。threshold代表這一次迭代與上一次迭代相比“畸變”（distortion）的比例，這個值越低，迭代結(jié)束的條件越苛刻，運行時間就越長。