我正在尝试机器学习，并用Python编写了一个k均值算法的实现。它可以处理二维数据并将它们组织成聚类。每个数据点还带有一个类值，要么是0，要么是1。

让我困惑的是如何使用这个算法来预测另一组没有0或1，而是未知值的二维数据。对于每个聚类，我是否应该将聚类内的点平均到0或1，如果一个未知点最接近该聚类，那么这个未知点就采用平均值？还是有更智能的方法？

谢谢！

回答：

要将一个新的数据点分配到由k均值创建的一组聚类中，你只需找到离该点最近的质心。

换句话说，就是你对原始数据集中每个点进行迭代分配到k个聚类中的相同步骤。这里的唯一区别是，你用于此计算的质心是最终的集合——即，最后一次迭代时的质心值。

这里是一个用Python（带NumPy）的实现：

>>> import numpy as NP>>> # 只是基于你的规格（二维数据 + 2个聚类）编造的值>>> centroids      array([[54, 85],             [99, 78]])>>> # 在问题域内随机生成一个新数据点：>>> new_data = NP.array([67, 78])>>> # 要将一个新数据点分配到一个聚类ID，>>> # 找到它最近的质心：>>> diff = centroids - new_data[0,:]  # NumPy广播>>> diff      array([[-13,   7],             [ 32,   0]])>>> dist = NP.sqrt(NP.sum(diff**2, axis=-1))  # 欧几里得距离>>> dist      array([ 14.76,  32.  ])>>> closest_centroid = centroids[NP.argmin(dist),]>>> closest_centroid       array([54, 85])