1）. 撲克牌手動演練k均值聚類過程：>30張牌，3類
實驗總牌數為30，分三類進行三輪迭代。
第一輪：抽取聚類中心為：3、4、7.
聚類結果為：
第二輪：經過求平均後，重新確定聚類中心為：2、4、10
第三輪：對上類再進行求平均，選定聚類中心為2、5、10
最終聚類中心穩定在2、5、10，以此為小中大劃分。
2）. *自主編寫k-means演算法 ，以鳶尾花花瓣長度資料做聚類，並用散點圖顯示。（加分題）
3）. 用sklearn.cluster.kmeans，鳶尾花花瓣長度資料做聚類，並用散點圖顯示.
散點圖顯示為：
4）. 鳶尾花完整資料做聚類並用散點圖顯示.
**：（經上**修改來的，稍有瑕疵）
散點圖：
5）.想想k均值演算法中可以用來做什麼？
最主要的就是進行機器學習啊，再加上如今是大資料時代，資料足夠訓練模型簡直如虎添翼，
應用到生活中的比如，手機上會自動幫你標記哪些是騷擾**，就是通過許多使用者的資料進行機器學習得到的，比如說童話時常，對使用者接起來一秒結束通話的**進行記錄，被很多使用者一秒結束通話，就標記是騷擾**
K 均值演算法
動態聚類方法是模式識別中一種普遍採用的方法，它具有以下3個要點 1 選定某種距離度量作為樣本間的相似性度量 2 確定某個評價聚類結果質量的準則函式 3 給定某個初始分類，然後用迭代演算法找出使準則函式取極值的最好的聚類結果 k means演算法 輸入 聚類個數k，以及包含 n個資料物件的資料庫。輸出...
K均值演算法
假設需要聚成k個類 演算法先會隨機從資料集中選取k個點，把他們當做k個聚類的中心點 依次計算資料集中的每乙個點與各個中心點的距離，離哪個中心點近，就劃分到那個中心點對應的聚類下 計算分到同一類簇下，所有點的均值，更新中心點，重複 直至達到迭代結束條件 import numpy as np impor...
K均值演算法
1.機器學習的步驟 資料，模型選擇，訓練，測試，2.安裝機器學習庫sklearn pip list 檢視版本 python m pip install upgrade pip pip install u scikit learn pip uninstall sklearn pip uninstall...