K-means 算法的理解与代码实现

K-means 算法的理解与代码实现

K-means 算法又名K均值算法，是一种聚类算法，K-means 算法是在无监督的情况下将一堆没有标签的点，找特征归类为簇。其算法思想大致为：最开始在所有样本点中随机选取k个点，作为簇中心点，然后分别计算样本点到k个中心点的距离，对于样本点，将其归类到与它距离最近的中心点所属的簇中，这一步完成后，再计算每个簇中所有样本点的平均值，更新簇中心的位置，重复多次，直到簇中心的位置不再变化。

1.K-means算法伪代码

1.随机生成num个二维样本点的数据集（也可以让数据集在某个范围内随机生成）
2.KMeans（dataSet, k, maxIter = ）函数过程：
3.   从num个样本点中随机选出k个点作为初始的簇中心点
4.   while 判断簇中心是否还在变化 循环不超过maxIter次
5.    for i =0,1,2…,num
6.     用“欧氏距离”求出num个样本点到K个中心点的距离
      根据距离最近的“簇中心”λj=argmini∈{1,2,…,k}将该点归类到这个簇中
7.    for i =0,1,2…,k
8.     求出簇中所有点的均值，更新簇中心
9.   return 聚类中心，点分配结果
10.打印图像

2.代码实现

随机生成num个二维样本点

def creatDataSet(num):
    '''
    随机生成数据集

    Args:
        num: 数据集个数
    Returns:
        dataMat: 数据样本矩阵    
    '''
    dataMat = []
    
    for i in range(num):
        generateddata=[random.uniform(-5.0,0.0),random.uniform(-5.0,0.0)]

        if not generateddata in dataMat:#去掉重复数据