概念
K均值(K-Means)是一种常用的聚类算法,用于将数据集分成预先指定数量的聚类。K均值的目标是将数据点分配到K个聚类中,使得每个数据点都属于距离其最近的聚类中心。
基本步骤
选择聚类数量K:首先需要选择要形成的聚类数量K。
初始化聚类中心:从数据集中随机选择K个数据点作为初始聚类中心。
分配数据点:将每个数据点分配到距离其最近的聚类中心所在的聚类。
更新聚类中心:计算每个聚类中的数据点的平均值,将其作为新的聚类中心。
重复步骤3和4:重复执行分配和更新步骤,直到聚类中心不再明显变化,或者达到预定的迭代次数。
代码实现
import numpy as np
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
# 创建一个示例数据集
n_samples = 300
n_features = 2
n_clusters = 3
X, y = make_blobs(n_samples=n_samples, n_features=n_features, centers=n_clusters, random_state=42)
# 使用K均值聚类
n_clusters_desired = 3
model = KMeans(n_clusters=n_clusters_desired)
model.fit(X)
labels = model.labels_
cluster_centers = model.cluster_centers_
# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='rainbow')
plt.scatter(cluster_centers[:, 0], cluster_centers[:, 1], marker='x', s=200, c='black')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('K-Means Clustering')
plt.show()