用python實現K均值演算法
阿新 • • 發佈:2018-11-10
import numpy as np x = np.random.randint(1,60,[30,1]) y = np.zeros(20) k = 3
#1選取資料空間中的K個物件作為初始中心,每個物件代表一個聚類中心; def initcen(x,k): return x[:k]
#2對於樣本中的資料物件,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): d = abs(kc-i) w = np.where(d == np.min(d)) returnw[0][0] def xclassify(x,y,kc): for i in range(x.shape[0]): y[i] = nearest(kc,x[i]) return y
#3更新聚類中心:將每個類別中所有物件所對應的均值作為該類別的聚類中心,計算目標函式的值; def kcmean(x,y,kc,k): l = list(kc) flag = False for c in range(k): m = np.where(y ==0) n = np.mean(x[m])if l[j] != n: l[j] = n flag = True print(l,flag) return (np.array(l),flag)
#4判斷聚類中心和目標函式的值是否發生改變,若不變,則輸出結果,若改變,則返回2) kc = initcen(x,k) flag = True print(x,y,kc,flag) while flag: y = xclassify(x,y,kc) kc,flag = kcmean(x,y,kc,k) print(y,kc)
# 用鳶尾花花瓣作分析 x = np.array(iris_length) y = np.zeros(x.shape[0]) kc = initcen(x,3) flag = True while flag: y = xclassify(x,y,kc) kc,flag = kcmean(x,y,kc,3) print(kc,flag) # 分析鳶尾花花瓣長度的資料,並用散點圖表示出來 import matplotlib.pyplot as plt plt.scatter(iris_length, iris_length, marker='p', c=y, alpha=0.5, linewidths=4, cmap='Paired') plt.show()
#4鳶尾花完整資料做聚類並用散點圖顯示. from sklearn.datasets import load_iris iris=load_iris() x=iris.data from sklearn.cluster import KMeans eat=KMeans(n_clusters=3) eat.fit(x) eat.cluster_centers_ y=eat.predict(x) y import matplotlib.pyplot as plt plt.scatter(x[:,0],x[:,1]) plt.show()