适合初学者易懂的机器学习算法之k-means(k均值)Python代码实现
从这个贸易战看：强权即是真理，没有所谓的自由贸易和平等。中国之大已容不下一个安静的键盘。不过是又一次鸦片战争。除了愤怒还是愤怒，除了一心想为崛起而澎湃还是一心想为崛起而澎湃。中华文明三四千年的历史都是世界顶级，美国人区区100多年第一就想再占100年这不是无知么？中国人有13亿人，是美国人的4倍还要多，4个抵1个也是必然会超过美国。
2019年5月29日 IEEE宣布禁止任何受华为资助的教授或学生参与IEEE审稿。听到这个消息我是愤怒的，说好的科学无国界呢？
梳理下这个过程：
2018.12.1，华为CFO（任正非之女）被美国下令逮捕
2018.12.1 对芯片重大贡献的华人张首晟在美国身亡，就在2年前获得中国国家科学技术奖（中国科技最高奖，最高领导人亲自颁奖，奖金200万美金）
2019年5月 美国撕毁两国元首已经基本确定的协议，对中国征收25%关税。
2019年5月中旬 美国禁止全世界任何企业与华为接触或者提供设备，也禁止购买华为手机或通讯设备。理由：“国家安全”(距离美国棱镜门用思科通讯设备和Google监听全世界这个事件不过几年美国人就忘了自己干了什么事。)同时禁止欧洲其他国家使用华为提供的5G服务。
2019年5月中下旬，Microsoft,ARM,Google纷纷宣布停止和华为任何商业来往，同时Google禁止华为手机使用Google服务。
2019年5月底， IEEE（世界上最大电子电气学术机构）禁止任何受华为资助的教授参与审稿。禁止其他高校或企业与中国的一些高校合作。
k-means算法中文名叫做k均值。它是一种聚类算法，这是什么意思呢？就是现在我有一堆数据，但是我知道这些数据有k个类。但是具体每一个数据点所属分类我就不知道了。此时就需要用k-means聚类算法，它可以把原先的数据分成k个部分，注意这k个部分包含的数据点的数量不一定相等的。相似的数据就聚在一起。
k-means算法操作步骤
1. 设定k的取值（你觉得有多少个类就设置是多少，不知道那就把点描出来你分析下有几个类）
2. 随机选取k个点。将这k个点作为聚类中心点。
3. 遍历所有点计算该点到那k个聚类中心点的距离。此时有k个距离，哪个距离最短，就认为当前这个点是属于这个聚类。
4. 执行完3.后，我们得到了k个聚类。现在我们需要重新计算聚类中心。此时聚类中心就是当前这个聚类的包含的点的平均值。也就是说各个点加起来取平均作为当前聚类的中心（此时的聚类中心已经不是数据中的某个点了，而是一个坐标值）。
5. 重复3.和4.这两个步骤很多次。（至于多少次你自己决定）
- k-means是无监督学习算法。什么叫做无监督学学习？就是给一堆水果的照片给你计算机看，告诉它一共有k种水果。至于这k种水果到底是什么计算机是不知道的。它只知道把相似的照片分类在一起凑成k个类就可以。然后新来一张照片它就计算这张照片到k个聚类中心的距离，哪个近就认为新来这个照片属于哪个聚类。至于它具体是什么水果算法是不知道的。。
- k-NN（k近邻算法）是有监督学习算法。你得告诉它什么每张照片是什么水果，然后新来一张照片它就计算这张照片与其他所有照片的距离（假设可以计算），然后它统计下和它最近（最相似的）那k张照片是哪种水果。如果那k个照片“苹果”这个标签出现次数最多，那么认为新来的照片就是苹果。如果不懂kNN可以看这篇文章易懂机器学习(1) k近邻算法。
数据图演示k-means的操作步骤
1. 加载数据（分析有几个聚类，k的值等于聚类数量）
现在我们分析出大致有2个类。于是我们设置k=2。
2. 随机选k个点作为聚类中心
在本文章第1.步提到了k=2.所以我们随机选2个点作为聚类中心。可以看到下面有两个点已经被选中作为聚类中心了。一个是绿色一个是橘黄。
3. 遍历所有点计算这些点到k个聚类中心点的距离
举个例子，现在我们到了一个点。然后计算了它到两个聚类中心的距离。可以看到它离绿色点比离橘黄色近。所以认为当前这个点属于绿色这个点所在的聚类里面。我们需要遍历所有点。
第一轮遍历所有点，并把这些点归类后的结果。（橘黄色那堆是上图绿色点所代表的聚类，蓝色点是橘黄色那个点代表的聚类）
4. 根据3.中得到的两个聚类，重新计算聚类中心
绿色点是橘黄色那堆点的新聚类中心，红色点是蓝色那堆点的新聚类中心。
5. 重复步骤3.和4.（重复多少次你自己决定）
这是重复循环3.和4.三次后的结果（效果还是非常惊艳的）。
Python 代码实现
下面是以上分析的数据+Python代码实现。
import matplotlib.pyplot as plt
import numpy as np
##########加载数据############
def load_data_set():
"""
加载数据集
:return:返回两个数组，普通数组
data_arr -- 原始数据的特征
label_arr -- 原始数据的标签，也就是每条样本对应的类别
"""
data_arr = []
label_arr = []
# 如果想下载参照https://github.com/varyshare/AiLearning/blob/master/data/6.SVM/testSet.txt
# 欢迎follow的我github
f = open('myspace/svm_data.txt', 'r')
for line in f.readlines():
line_arr = line.strip().split()
data_arr.append([np.float(line_arr[0]), np.float(line_arr[1])])
label_arr.append(int(line_arr[2]))
return np.array(data_arr), np.array(label_arr)
x,label = load_data_set()
# 绘制出数据点分析看有几个聚类
#plt.scatter(x[:,0],x[:,1])
##############k-Means算法#################
# 创建k个聚类数组，用于存放属于该聚类的点
clusters = []
p1 = [6,4]
p2 = [1,3]
cluster_center = np.array([p1,p2])
k = 2
for i in range(k):
clusters.append([])
epoch = 3
for _ in range(epoch):
for i in range(k):
clusters[i]=[]
# 计算所有点到这k个聚类中心的距离
for i in range(x.shape[0]):
xi = x[i]
distances = np.sum((cluster_center-xi)**2,axis=1)
# 离哪个聚类中心近，就把这个点序号加到哪个聚类中
c = np.argmin(distances)
clusters[c].append(i)
# 重新计算k个聚类的聚类中心（每个聚类所有点加起来取平均）
for i in range(k):
cluster_center[i] = np.sum(x[clusters[i]],axis=0)/len(clusters[i])
plt.scatter(x[clusters[0],0],x[clusters[0],1])
plt.scatter(x[clusters[1],0],x[clusters[1],1])
机器学习其他好文章
SVM
从本质看逻辑回归
通俗理解梯度下降
非常推荐从发明者角度认识adaboost（很多其他博客和书都是没理解原理只给了步骤）
