这是学习笔记的第 2011 篇文章

今天学习了下K-Means算法，很多语言和工具都有成型的库和方法，不过为了能够督促自己理解，还是做了一些额外的工作，自己设想了一个例子，假设有10名员工，我们根据他们的技术能力和沟通能力来评估一下他们的综合能力，看看他们的资质，自己拼凑了一些数据情况如下：

员工技术能力指数沟通能力指数P11010P255P375P477P566P667P765P899P989P1086

散点图的信息如下：

我们选择P1,P2为质心，即他们作为参照标准，分别和其他的员工数据进行比对，得到一个差异值，即两点之间的距离，可以使用欧式距离来得到，比如P1到P3的距离就是（10-7）（10-7）+（10-5）（10-5）开根号，得到的值为5.8

P2到P3的距离是(7-5)(7-5)+(5-5)(5-5) 开根号，得到的值为2

按照这种算法，得到如下的一个列表：

P1P2P35.82P44.22.8P55.71.4P652.2P76.41P81.45.7P92.25P104.53.1

从以上的数据，可以看出P1和P8,P9的距离相对最近，而P2和P3,P4,P5,P6,P7,P10的距离相对更近。

则分组的情况为：

组A: P1,P8,P9

组B: P2,P3,P4,P5,P6,P7,P10

即组A的3个员工的整体素质较高，而另外一组的水平则有待提高。

因为最开始选择P1,P2是随机的，所以计算距离得到的模型还是不够准确，我们需要基于刚才的数据重新选择质心，这里我们可以使用每组的平均值来计算。

选出新的代表（质心），这里是各个组的平均值，即：

组A: (10+9+8)/3, (10+9+9)/3 约为（9,9）

组B: (5+7+7+6+6+6+9)/7, (5+5+7+6+7+5+6)/7 约为（6,5）

这里的两个质心如果精确到小数点后是没有匹配的员工的，所以在这里可以理解是虚拟的。

我们以两个计算后的新的节点作为参考，计算后得到的结果如下：

P1_newP2_newP11.46.4P25.71P34.51P42.82.2P54.21P63.62P750P805P914.5P103.12.2

所以重新分组后的结果为：

组A: P1,P8,P9

组B: P2,P3,P4,P5,P6,P7,P10

这次的结果和上次没有任何变化了，说明已经收敛，聚类结束，聚类结果和我们最开始设想的结果完全一致

当然这只是一个初步的测试和练习，里面的所有计算都是口算然后翘着计算器完成的。

如果要分析的更实用一些，应该引入更多的维度，同时对于数据的分类可以做一下扩充来看。