如何不依赖现成库，用Python代码实现k-means聚类分析的算法思路？

本文共计1268个文字，预计阅读时间需要6分钟。

1. 实验目标：使用K-means模型进行聚类，尝试不同类别个数K，分析聚类结果。

2.按照比例8:2将数据随机划分为训练集和测试集，至少尝试3个不同的K值，并绘制结果。

一、实验目标

　　　　1、使用 K-means 模型进行聚类，尝试使用不同的类别个数 K，并分析聚类结果。

​　　　　2、按照 8:2 的比例随机将数据划分为训练集和测试集，至少尝试 3 个不同的 K 值，并画出不同 K 下 的聚类结果，及不同模型在训练集和测试集上的损失。对结果进行讨论，发现能解释数据的最好的 K 值。二、算法原理

　　　　首先确定k，随机选择k个初始点之后所有点根据距离质点的距离进行聚类分析，离某一个质点a相较于其他质点最近的点分配到a的类中，根据每一类mean值更新迭代聚类中心，在迭代完成后分别计算训 练集和测试集的损失函数SSE_train、SSE_test，画图进行分析。