标签：index means Initial Cluster 算法 pl 聚类 dot
聚类模型可以建立在无类标记的数据上，是一种无监督学习算法。
适合处理连续型数据，对于离散型数据效果不好
K-Means聚类算法
1）连续属性
对于连续属性，要先对各属性值进行标准化，再进行距离的计算。
一般需要度量样本之间的距离、样本与簇之间的距离以及簇与簇之间的距离。
度量样本之间的相似性最常用的是
- 欧几里得距离
- 曼哈顿距离
- 闵可夫斯距离
Python实现k-means聚类算法
import numpy as np
import pylab as pl
import random as rd
import imageio
import math
#1
#生成随机点列
x = np.random.randn(50)
y= np.random.randn(50)
#聚类个数
k_Cluster = 4
#迭代
iteration=0
frames = []
#2
#计算平面两点的欧氏距离
def distance(a, b):
return math.sqrt((a[0]- b[0]) ** 2 + (a[1] - b[1]) ** 2)
#3
#K均值算法
def k_means(x, y, k_Cluster):
#k_count为要聚类的个数,首先从n个数据对象任意选择 k 个对象作为初始聚类中心；
dot_count = len(x) #点的个数
#随机选择K个点
k = rd.sample(range(dot_count), k_Cluster) #K个对象作为初始的聚类中心
k_Initial = [[x[i], [y[i]]] for i in k] #保证有序(X,Y)
k_Initial.sort()
global frames
global iteration
while True:
#根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；
Cluster_index = [[] for i in range(k_Cluster)] #存储每个簇的索引
#遍历所有点
for i in range(dot_count):
dot_all = [x[i], y[i]] #当前点
#计算dot_all点到所有质心的距离
Center_dt = [distance(k_Initial[j], dot_all) for j in range(k_Cluster)]
#dot_all点到那个质心最近
min_index = Center_dt.index(min(Center_dt))
#把dot_all点并入第i簇
Cluster_index[min_index].append(i)
#更换聚类中心
iteration+=1
k_new = []
for i in range(k_Cluster):
_x = sum([x[j] for j in Cluster_index[i]]) / len(Cluster_index[i])
_y = sum([y[j] for j in Cluster_index[i]]) / len(Cluster_index[i])
k_new.append([_x, _y]) #新的k个聚类对象
k_new.sort() #排序、保证有序
#使用Matplotlab画图
pl.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
pl.rcParams['axes.unicode_minus']=False #用来正常显示负号
pl.figure() #画布
pl.title("点的个数=%d,聚类个数=%d 迭代次数:%d"%(dot_count,k_Cluster,iteration)) # 标题
color=['.r','.g','.b','.y']#颜色种类
dcolor=['*r','*g','*b','*y']#颜色种类
for j in range(k_Cluster):
pl.plot([x[i] for i in Cluster_index[j]], [y[i] for i in Cluster_index[j]], color[j%4])
pl.plot(k_Initial[j][0], k_Initial[j][1], dcolor[j%4])
pl.savefig("1.jpg")
frames.append(imageio.imread('1.jpg'))
if (k_new != k_Initial):#一直循环直到聚类中心没有变化
k_Initial = k_new
else:
return Cluster_index
Cluster_index = k_means(x, y, k_Cluster)#调用
imageio.mimsave('D:\\k-means.gif', frames, 'GIF', duration = 0.5)#生成gif动图
卖山楂啦prss
发布了63 篇原创文章 · 获赞 5 · 访问量 9217
私信
关注
标签：index,means,Initial,Cluster,算法,pl,聚类,dot 来源： https://blog.csdn.net/qq_42374697/article/details/104429640
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。