张一帆 胡佳浩 李依桥

摘要：商品的数量非常大，需要按照一定的标准分为k类，如何把众多数据对象，分为合适k类商品，成为数据分析中的一个研究问题。本文主要阐述了该模型的具体实现过程，主要包括数据采集、数据归一化处理、构造算法模型、评估算法模型。通过采用实例数据集进行模型的训练和测试，实验结果表明：该模型能较准确的进行商品对象的分类，测试误差较小。

关键词：机器学习;k-means算法;Python

中图分类号：TP311.13      文献标识码：A     文章编号：1007-9416（2020）04-0000-00

0引言

如今网站的快速发展，人们的生活和工作都离不开网络。人们的生活节奏也在逐渐加快，工作越来越忙了。网购网站吸纳了众多的群众的参与，积累了大量的用户资源。而且我国广大的女性群体为网购网站提供了良好的用户基础[1]。一个好的网购网站可以带运输等多种产业的发展，但是目前的网购网站对用户的数据处理有时候不够准确，商品分类标准不够准确。通过对网站数据进行分析，采用k-means算法较好的完成商品配对，为网站用户提供较好的服务。

1 K-means算法

K均值（K-Means）算法是无监督的聚类方法，实现起来比较简单，聚类效果也比较好，因此应用很广泛。K-Means算法针对不同应用场景，有不同方面的改进。我们从最传统的K-Means算法讲起，然后在此基础上介绍初始化质心优化K-Means++算法，距离计算优化Elkan K-Means算法和大样本情况下Mini Batch K-Means算法[2]。

我们给定一个数据集D，以及要划分的簇数k，就能通过该算法将数据集划分为k个簇。一般来说，每个数据项只能属于其中一个簇。……