導言
Hello，各位信息工程的小夥伴們，是不是感覺課程難度比較大，理解算法不夠深入呢。歡迎加入AI破冰學院，QQ羣463986237，喜歡人工智能，大數據的同學歡迎入羣。接下來的時間呢，作者大大會陸續發表作業的算法題目和理解思想，都是作者大大精心整理打出來的哦，不喜勿噴，輔助大家完成作業，敬請期待。
什麼是Kmeans算法
Kmeans算法，顧名思義，k均值算法。是十種經典的機器學習算法之一，什麼是機器學習，請看我上一篇文章人工智能。它是無監督學習的一種聚類算法，即知道要劃分幾堆數據，把這些數據劃分出來。
廢話不多說，直接上乾貨。
1.假如我拿到了一個數據，假如是2維的（可以可視化），咋們作業是三維的，不過都一樣，一共在空間中有3堆。
2.然後我要隨機在這個平面中取3箇中心點（隨機的哦，我們要分爲3堆，所以取3個點，不同顏色代表不同類別的數據），然後遍歷空間中的每一個點 ， 分別求到這3個點的歐式距離d，它離哪個中心點最近，就被劃分爲哪個區域（圖中不同顏色分出來的不同類別）
計算方法
3.接線來就要更新中心點了，把剛纔劃分出3類，每個類裏面的點的 x，y，分別求平均值，比如剛纔劃分爲紅色的點，X = （x1+x2…+xn）/n , Y = (y1+y2+…yn)/n ,這個就是新的中心點，藍色，綠色的也一樣。
更新中心，重複步驟2重新劃分數據，如圖。
4.接線來一直重複2,3步驟，直到中心點收斂不會改變（聚類就完成了），在數學上證明得到，一直循環2,3步驟，中心點一定會收斂。得到最終數據，就可以把屬於各個顏色的點拿出來了
作業
回到作業上，咋們的作業拿到的是這樣的數據，很明顯這是一個三維的數據(把一行當做一個點)，所以計算距離的時候有x,y,z。
1.首先需要讀入數據，創建一個數組保存國家名字，一個數組保存數據。
2.因爲數據不均衡，x，y，z三個值相差很大，所以我們要進行0-1均值化，把數據放縮到0-1區間，
對每一列數據每個元素用這個公式 min是這一列的最小值，max最大值，x是當前值，x*爲更新值。
最後得到數據爲這個全是0-1的值
3.然後進行kmeans算法計算，隨機在0-1取3箇中心點，注意是3維的點哦，建立一箇中心點數組
center =[ a類的中心，b類的中心，c類的中心]。
例如第一個點，x1 = (0.23,0.45,0.88),x2=…
4.然後遍歷圖中的點，判斷哪個中心點離這個點最近，建立三個數組（或者一個二維數組）distance=[ a類，b類，c類]，分別存放分離某個中心點最近的點。
5.更新3箇中點center，方法：distance中某個類別的x，y，z求平均值，得到新的中心點center。
6.重複4,5步驟，直到中心點不變，取出所以distance的索引，帶入國家數組中。
最終結果
今天的算法就到這裏了，有什麼疑惑的同學可以加羣：463986237 ，大家一起學習一起討論，歡迎評論轉發，後續作者大大會繼續更新，記得關注哦，感謝支持！