主要为大家详细介绍了python实现kMeans算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

摘要：过去几十年，由于计算机软硬件的进步，已有相当数量的科研领域开始利用计算机进行辅助处理、计算和模拟。然而随着现代科学研究的不断深入，处理数据海量化、计算过程

kmeans EM 估计算法 在原本的EM上结合Kmaens做了优化

给出的程序可用于未知工况的识别或分类问题，属于数据处理的一个环节

大数据十大经典算法kmeans.ppt

此资源包含完整代码、所用数据集以及参考论文讲解PPT

06聚类算法Kmeans资料与代码.7z

聚类的目标是使同一类对象的相似度尽可能地大；不同类对象之间的相似度尽可能地小。目前聚类的方法很多，根据基本思想的不同，大致可以将聚类算法分为五大类：层次聚类算法、分割聚类算法、基于约束的聚类算法、机器学习中的聚类算法和用于高维度的聚类算法。本源码实现主要选取了基于划分的Kmeans算法和基于密度的DBSCAN算法来对用户地理位置信息进行聚类。 本实验用python实现，依赖numpy, pandas, sklearn, scipy等科学计算library。 数据来自收集得到的用户的地理位置信息，即经纬度数据的序列集。 一种基于DBSCAN和Kmeans的混合算法：先利用DBSCAN算法的密度可达特性将用户的地理位置数据集按照活动半径聚合成若干个簇，并且将每一簇的数据集作为新的输入，再利用Kmeans算法的迭代聚合求出质心的位置，设定K值为1。

K均值 OvGU Magdeburg 机器学习课程的 k-Means 分类器。

课程作业自己手写的kmeans算法,聚类的个数需要自己制定，算法的速度还可以