1. 程式人生 > >10.25作業

10.25作業

技術分享 load near 分類 while red lag bsp port

import numpy as np
x = np.random.randint(1,100,[20,1])
y = np.zeros(20)
k = 3

 #選取數據空間中的K個對象作為初始中心,每個對象代表一個聚類中心;
def initcenter(x,k):    #初始聚類中心數組
    return x[0:k].reshape(k)

#對於樣本中的數據對象,根據它們與這些聚類中心的歐氏距離,按距離最近的準則將它們分到距離它們最近的聚類中心(最相似)所對應的類;
def nearest(kc,i):       #數組中的值,與聚類中心最小距離所在類別的索引號
    d = (abs(kc-i))
    w 
= np.where(d == np.min(d)) return w[0][0] def xclassify(x,y,kc): for i in range(x.shape[0]): #對數組的每個值進行分類,shape[0]讀取矩陣第一維度的長度 y[i] = nearest(kc,x[i]) return y # 更新聚類中心:將每個類別中所有對象所對應的均值作為該類別的聚類中心,計算目標函數的值; def kcmean(x,y,kc,k): #計算各聚類新均值 l = list(kc) flag = False
for c in range(k): print(c) m = np.where(y == c) n=np.mean(x[m]) if l[c] != n: l[c] = n flag = True #聚類中心發生變化 print(l,flag) return (np.array(l),flag) k = 3 kc = initcenter(x,k) flag = True print(x,y,kc,flag) #判斷聚類中心和目標函數的值是否發生改變,若不變,則輸出結果,若改變,則返回2
while flag: y = xclassify(x,y,kc) kc, flag = kcmean(x,y,kc,k) print(y,kc,type(kc)) print(x,y) import matplotlib.pyplot as plt plt.scatter(x,x,c=y,s=50,cmap="rainbow"); plt.show()

技術分享圖片

技術分享圖片

#鳶尾花花瓣長度數據做聚類並用散點圖顯示。
import numpy as np
from sklearn.datasets import load_iris    
iris = load_iris()
x = iris.data[:,1]
y = np.zeros(150)

def initcenter(x,k):    #初始聚類中心數組
    return x[0:k].reshape(k)

def nearest(kc,i):       #數組中的值,與聚類中心最小距離所在類別的索引號
    d = (abs(kc-i))
    w = np.where(d == np.min(d))
    return w[0][0]

def xclassify(x,y,kc):
    for i in range(x.shape[0]):       #對數組的每個值進行分類,shape[0]讀取矩陣第一維度的長度
        y[i] = nearest(kc,x[i])
    return y

def kcmean(x,y,kc,k):     #計算各聚類新均值
    l = list(kc)
    flag = False
    for c in range(k):
        print(c)
        m = np.where(y == c)
        n=np.mean(x[m])
        if l[c] != n:
            l[c] = n
            flag = True     #聚類中心發生變化
            print(l,flag)
    return (np.array(l),flag)


k = 3
kc = initcenter(x,k)

flag = True
print(x,y,kc,flag)

#判斷聚類中心和目標函數的值是否發生改變,若不變,則輸出結果,若改變,則返回2
while flag:
    y = xclassify(x,y,kc)
    kc, flag = kcmean(x,y,kc,k)
    print(y,kc,type(kc))
    
print(x,y)
import matplotlib.pyplot as plt
plt.scatter(x,x,c=y,s=50,cmap="Paired");
plt.show()

技術分享圖片

技術分享圖片

技術分享圖片

技術分享圖片

技術分享圖片

10.25作業