直接上代码^_^

我们的数据可能是多维的，所以我们把数据当作向量对待。

首先我们需要了解这个算法的特点——需要手动设分类的数量（k）值。

此时类的编号为0~k-1。

然后我们考虑整体的过程。每个类有一个聚类中心（centroid），中心的坐标就是该类每个元素坐标的平均值，对于每一个数据而言，它离哪个中心最近，它就属于哪个类。因此，每次迭代（在KMeansAlgorithm.Iterate方法中实现）时，首先计算每个数据属于哪个类，此时每个类的成员发生了变化，因此需要重新计算每个类的中心（如果不变就说明我们的迭代已经完成了）。

这里我们要注意一下我们选取的距离函数（KMeansAlgorithm.distsquare），它计算两个向量之间欧氏距离的平方：

其中为数据的维数。我们知道，向量点乘它自己就是其模长的平方，这就不难理解代码中对该函数的实现了。

那么问题来了：一开始每个类的情况是怎样的呢？没有初始值就无法进行迭代。这里，我们使用clusmap来表示每个数据属于哪个类，clusmap[3]=0代表第三个元素属于第0类。在setk方法里，我们随机分配每个元素属于的类，用np.random.randint实现。然后计算每个类的中心，这样就完成了初始化，之后就可以开始迭代了。

最后，怎么判断是否结束了呢？我们定义“畸变函数”KMeansAlgorithm.GetDistortion，它等于每个数据到它所在的类的中心的距离的平方和。显然，这个值越低，分类越准确。我们迭代时，如果发现这个值随着迭代的变化小于一定程度（Compute方法的threshold参数），就基本可以判断迭代结束了。threshold代表这一次迭代与上一次迭代相比“畸变”（distortion）的比例，这个值越低，迭代结束的条件越苛刻，运行时间就越长。