K均值聚类算法示例：将5个样本聚为两类

本文通过一个具体示例展示了使用K均值聚类算法将5个样本点聚为两类。示例中使用了曼哈顿距离作为距离度量，并详细描述了每次迭代的过程。

给定含有5个样本的集合：

(0,2),(0,0),(1,0),(5,0),(-1,-1)

请用k均值聚类算法将样本聚为两类，距离度量为曼哈顿距离。

首先需要选择两个初始聚类中心，这里选择(0,2)和(0,0)。

第一轮迭代：

将样本(0,2),(1,0)聚为一类，样本(0,0),(5,0),(-1,-1)聚为另一类。

新的聚类中心为(0.5,1)和(1.3,-0.3)。

第二轮迭代：

将样本(0,2),(1,0),(5,0)聚为一类，样本(0,0),(-1,-1)聚为另一类。

新的聚类中心为(2,0.7)和(-0.5,-0.5)。

第三轮迭代：

将样本(0,2),(1,0),(5,0)聚为一类，样本(0,0),(-1,-1)聚为另一类。

聚类中心未发生变化。

最终聚类结果为：

类1：(0,2),(1,0),(5,0) 类2：(0,0),(-1,-1)

其中，类1的聚类中心为(2,0.7)，类2的聚类中心为(-0.5,-0.5)。