数据挖掘实战-基于KMeans算法对超市客户进行聚类分群

K-means聚类算法是一种常用的无监督机器学习方法，用于将数据集划分为若干个簇（cluster）。在Python中，我们可以手动实现K-means算法，不依赖于任何第三方库。以下是一个简单的步骤说明： 1. **初始化**: - 首先，随机选择K个点作为初始聚类中心（Centroids）。 - 假设数据集为`data`，每行代表一个样本。 2. **分配到最近的簇**: - 对于每个数据点，计算其与所有聚类中心之间的欧氏距离。 - 将每个点分配给距离最近的聚类中心所在的簇。 3. **更新聚类中心**: - 对于每个簇，计算所有属于该簇的数据点的均值，这个均值即为新的聚类中心。 4. **迭代**: - 重复步骤2和3，直到聚类中心不再改变，或者达到预设的最大迭代次数。 5. **终止条件**: - 可以设置两个阈值：误差阈值（如聚类中心变化小于某个阈值）或迭代次数阈值。 以下是一个简化的Python代码实现： ```python import numpy as np def kmeans(data, k, max_iter=100, tolerance=1e-6): # 初始化随机聚类中心 centroids = data[np.random.choice(len(data), k, replace=False)] for _ in range(max_iter): # 分配数据点到最近的簇 clusters = [[] for _ in range(k)] for point in data: distances = np.linalg.norm(point - centroids, axis=1) cluster_index = np.argmin(distances) clusters[cluster_index].append(point) # 更新聚类中心 new_centroids = [np.mean(cluster, axis=0) for cluster in clusters] # 检查是否达到收敛条件 if np.linalg.norm(new_centroids - centroids, 'fro') < tolerance: break centroids = new_centroids return clusters, centroids # 使用数据集 data = ... # 假设这是一个二维的numpy数组 clusters, centroids = kmeans(data, k=3)