笔试题，一小时手写k-means算法

循环智能-算法工程师 笔试题：手写k-means算法

1.题目描述

数据输出：
一个 N * 1 的一维向量，代表进行聚类之后各个点所属的类id。

要求：
代码可执行、正确、清晰
不得参考任何现成代码，否则自动fail

样例函数：
def clustering(data, k):
N, m = data.shape
…
return data_cluster

算法流程为（使用欧几里得距离）：
令S为质心集合，初始化为空集
从数据集中随机选取一个样本点，加入S成为第一个质心
for i = 2 to k：
对于不在S中的每个样本，计算其与当前S中所有质心的距离的最大值D
选取D值最大的点，加入S成为第i个质心
（此时S中包含k个质心）
对每个样本点：
计算其与S中各个质心的距离
将样本点分配至最近质心所属的类
对某个类：
将质心设置为该类所有样本点的均值
在S中更新对应的类的质心
如果S中有质心发生改变，则重复上述过程（4-5）

2.题目解释

相信大家一下子就看出来了，这不就是要实现k-means聚类算法吗？哈哈

3.第一版回答

这是我第一版手写的k-means算法，过于冗余，而且只能处理特征数为2的数据集，并且不能处理重复的数据点…缺点不一而足，后续进行了优化

import numpy as np

#初始化质心
def init_c(data, k):
    key_1=np.random.randint(0, len(data))#选取第一个质心
    c_list = []  # 质心集合
    c_list.append(list(data[key_1]))
    temp = np.delete(data,key_1, axis = 0)
    length=len(temp)
for i in range(k-1):
        max_dis=0
        for j in range(0,length):
            D=0
            for c in c_list:
if dis_E(c,list(temp[j]))>D: