利用kmeans三维聚类进行冲突分析

最新推荐文章于 2024-05-04 21:31:53 发布

搬砖来的八块腹肌

最新推荐文章于 2024-05-04 21:31:53 发布

阅读量1.5k

点赞数

分类专栏：笔记文章标签： python 机器学习聚类

本文链接：https://blog.csdn.net/ChineseBread/article/details/105997316

版权

本文介绍了如何利用Python实现KMeans三维聚类方法进行冲突分析。通过聚类，可以将数据分为不同的组别，从而进行深入的冲突识别和理解。文章提供了完整的代码示例，并展示了聚类结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原始数据如图
在这里插入图片描述

完整代码如下：

#coding:utf-8
import random
from sklearn import datasets
import pandas as pd
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D


# 正规化数据集 X
def normalize(X, axis=-1, p=2):
    lp_norm = np.atleast_1d(np.linalg.norm(X, p, axis))
    lp_norm[lp_norm == 0] = 1
    return X / np.expand_dims(lp_norm, axis)


# 计算一个样本与数据集中所有样本的欧氏距离的平方
def euclidean_distance(one_sample, X):
    one_sample = one_sample.reshape(1, -1)
    X = X.reshape(X.shape[0], -1)
    distances = np.power(np.tile(one_sample, (X.shape[0], 1)) - X, 2).sum(axis=1)
    return distances


class Kmeans():
    """Kmeans聚类算法.
    Parameters:
    -----------
    k: int
        聚类的数目.
    max_iterations: int
        最大迭代次数.
    varepsilon: float