機器學(xué)習(xí)實戰(zhàn)一書 kMeans 代碼
偽代碼：

創(chuàng)建k個點作為起始聚類中心 當(dāng)任意一個點的簇分配結(jié)果發(fā)生改變時對數(shù)據(jù)集中的每個數(shù)據(jù)點對每個聚類中心計算當(dāng)前聚類中心與數(shù)據(jù)點之間的距離將數(shù)據(jù)點分配到最近距離的中心點簇對每一個簇，計算簇中所有點的均值作為中心點

數(shù)據(jù)

import matplotlib.pyplot as plt import numpy as np datMat = np.random.random((100, 2))

距離函數(shù)

def distEclud(vecA, vecB):return np.sqrt(np.sum(np.power(vecA - vecB, 2)))

#初始聚類中心
聚類中心坐標范圍應(yīng)為數(shù)據(jù)樣本的最小值到最大值之間

def randCent(dataSet, k):# 得到數(shù)據(jù)樣本的維度，即列數(shù)n = np.shape(dataSet)[1]# 初始化為一個(k,n)的全零矩陣centroids = np.mat(np.zeros((k, n)))# 遍歷數(shù)據(jù)集的每一個維度for j in range(n):# 得到該列數(shù)據(jù)的最小值,最大值minJ = np.min(dataSet[:, j])maxJ = np.max(dataSet[:, j])# 得到該列數(shù)據(jù)的范圍(最大值-最小值)rangeJ = float(maxJ - minJ)# k個質(zhì)心向量的第j維數(shù)據(jù)值隨機為位于(最小值，最大值)內(nèi)的某一值# Create an array of the given shape and populate it with random samples from a uniform distribution over [0, 1).centroids[:, j] = minJ + rangeJ * np.random.rand(k, 1)# 返回初始化得到的k個質(zhì)心向量return centroids

聚類算法實現(xiàn)

def kMeans(dataSet, k, distMeas=distEclud, createCent=randCent):# 獲取數(shù)據(jù)集樣本數(shù)m = np.shape(dataSet)[0]# 初始化一個（m,2）全零矩陣clusterAssment = np.mat(np.zeros((m, 2)))#用于存儲每個樣本的類別，和到聚類中心的最小距離# 創(chuàng)建初始的k個質(zhì)心向量初始聚類中心centroids = createCent(dataSet, k)# 聚類結(jié)果是否發(fā)生變化的布爾類型clusterChanged = True# 只要聚類結(jié)果一直發(fā)生變化，就一直執(zhí)行聚類算法，直至所有數(shù)據(jù)點聚類結(jié)果不發(fā)生變化while clusterChanged:# 聚類結(jié)果變化布爾類型置為FalseclusterChanged = False# 遍歷數(shù)據(jù)集每一個樣本向量for i in range(m):# 初始化最小距離為正無窮，最小距離對應(yīng)的索引為-1minDist = float('inf')minIndex = -1# 循環(huán)k個類的質(zhì)心for j in range(k):# 計算數(shù)據(jù)點到質(zhì)心的歐氏距離distJI = distMeas(centroids[j, :], dataSet[i, :])# 如果距離小于當(dāng)前最小距離if distJI < minDist:# 當(dāng)前距離為最小距離，最小距離對應(yīng)索引應(yīng)為j(第j個類)minDist = distJIminIndex = j# 當(dāng)前聚類結(jié)果中第i個樣本的聚類結(jié)果發(fā)生變化：布爾值置為True，繼續(xù)聚類算法clusterAssment存儲的是類別和距離,如果后來的類別和先一輪得到的類別不一樣，則執(zhí)行if clusterAssment[i, 0] != minIndex:clusterChanged = True# 更新當(dāng)前變化樣本的聚類結(jié)果和平方誤差clusterAssment[i, :] = minIndex, minDist ** 2# 遍歷每一個質(zhì)心for cent in range(k):# 將數(shù)據(jù)集中所有屬于當(dāng)前質(zhì)心類的樣本通過條件過濾篩選出來ptsInClust = dataSet[np.nonzero(clusterAssment[:, 0].A == cent)[0]]# 計算這些數(shù)據(jù)的均值(axis=0:求列均值)，作為該類質(zhì)心向量centroids[cent, :] = np.mean(ptsInClust, axis=0)# 返回k個聚類，聚類結(jié)果及誤差return centroids, clusterAssment

#結(jié)果繪圖

def plotData():# 導(dǎo)入數(shù)據(jù)datMat = np.random.random((100, 2))# 進行k-means算法其中k為3myCentroids, clustAssing = kMeans(datMat, 3)clustAssing = clustAssing.tolist()myCentroids = myCentroids.tolist()xcord = [[], [], [], []]ycord = [[], [], [], []]datMat = datMat.tolist()m = len(clustAssing)for i in range(m):if int(clustAssing[i][0]) == 0:xcord[0].append(datMat[i][0])ycord[0].append(datMat[i][1])elif int(clustAssing[i][0]) == 1:xcord[1].append(datMat[i][0])ycord[1].append(datMat[i][1])elif int(clustAssing[i][0]) == 2:xcord[2].append(datMat[i][0])ycord[2].append(datMat[i][1])fig = plt.figure()ax = fig.add_subplot(111)# 繪制樣本點ax.scatter(xcord[0], ycord[0], s=30, c='b', marker='*', alpha=.5)ax.scatter(xcord[1], ycord[1], s=30, c='r', marker='D', alpha=.5)ax.scatter(xcord[2], ycord[2], s=30, c='c', marker='>', alpha=.5)# 繪制質(zhì)心ax.scatter(myCentroids[0][0], myCentroids[0][1], s=100, c='k', marker='+', alpha=.5)ax.scatter(myCentroids[1][0], myCentroids[1][1], s=100, c='k', marker='+', alpha=.5)ax.scatter(myCentroids[2][0], myCentroids[2][1], s=100, c='k', marker='+', alpha=.5)plt.title('shuju kmeans')plt.xlabel('X')plt.show()if __name__ == '__main__':plotData()

總結(jié)

以上是生活随笔為你收集整理的kmean python实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。