Python中K-means算法的示例分析

这篇文章主要介绍了python中K-means算法的示例分析，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

1、步骤说明

（1）确定K值（决定数据聚为几类，K值是K-Means算法中唯一的参数）；

（2）从原始数据集中随机选择K个点作为初始均值点；

（3）依次从原始数据集中取出数据，每取出一个数据就和K个均值点分别计算距离（默认计算点间的欧氏距离），和谁更近就归为这个均值点所在的簇；

（4）分别计算各簇当前的均值点（即求该簇中所有点的平均值）；

（5）比较当前的均值点和上一步得到的均值点是否相同，如果相同，则K-Means算法结束，否则，将当前的均值点替换掉之前的均值点，然后重新划分族，重复步骤三。

2、实例

import numpy as npimport matplotlib.pyplot as plt '''标志位统计递归运行次数'''flag = 0 '''欧式距离'''def ecludDist(x, y):    return np.sqrt(sum(np.square(np.array(x) - np.array(y)))) '''曼哈顿距离'''def manhattanDist(x, y):    return np.sum(np.abs(x - y)) '''夹角余弦'''def cos(x, y):    return np.dot(x, y)/(np.linalg.nORM(x) * np.linalg.norm(y)) '''计算簇的均值点'''def clusterMean(dataset):    return sum(np.array(dataset)) / len(dataset) '''生成随机均值点'''def randCenter(dataset, k):    temp = []    while len(temp) < k:        index = np.random.randint(0, len(dataset)-1)        if  index not in temp:            temp.append(index)    return np.array([dataset[i] for i in temp]) '''以数据集的前k个点为均值点'''def orderCenter(dataset, k):    return np.array([dataset[i] for i in range(k)]) '''聚类'''def kMeans(dataset, dist, center, k):    global flag    #all_kinds用于存放中间计算结果    all_kinds = []    for _ in range(k):        temp = []        all_kinds.append(temp)    #计算每个点到各均值点的距离      for i in dataset:        temp = []        for j in center:            temp.append(dist(i, j))        all_kinds[temp.index(min(temp))].append(i)    #打印中间结果        for i in range(k):        print('第'+str(i)+'组:', all_kinds[i], end='\n')    flag += 1    print('************************迭代'+str(flag)+'次***************************')    #更新均值点    center_ = np.array([clusterMean(i) for i in all_kinds])    if (center_ == center).all():        print('结束')        for i in range(k):            print('第'+str(i)+'组均值点：', center_[i], end='\n')            plt.scatter([j[0] for j in all_kinds[i]], [j[1] for j in all_kinds[i]], marker='*')        plt.grid()        plt.show()    else:        #递归调用kMeans函数        center = center_        kMeans(dataset, dist, center, k) def main(k):    '''生成随机点'''    x = [np.random.randint(0, 50) for _ in range(50)]    y = [np.random.randint(0, 50) for _ in range(50)]    points = [[i,j] for i, j in zip(x, y)]    plt.plot(x, y, 'b.')    plt.show()    initial_center = randCenter(dataset=points, k=k)    kMeans(dataset=points, dist=ecludDist, center=initial_center, k=k) if __name__ == '__main__':    main(3)

感谢你能够认真阅读完这篇文章，希望小编分享的“Python中K-means算法的示例分析”这篇文章对大家有帮助，同时也希望大家多多支持编程网，关注编程网Python频道，更多相关知识等着你来学习!