聚类算法学习--Kernel K-means

最新推荐文章于 2024-07-06 20:40:17 发布

_Tunan

最新推荐文章于 2024-07-06 20:40:17 发布

阅读量1.3k

点赞数 2

分类专栏：机器学习文章标签： python 聚类聚类算法

本文链接：https://blog.csdn.net/North_City_/article/details/115066888

版权

本文介绍了Kernel K-means聚类算法的学习过程，包括前言和具体代码实现。通过示例代码展示了如何运用该算法，文章最后进行了简单总结。

摘要由CSDN通过智能技术生成

聚类算法学习–Kernel K-means

文章目录

聚类算法学习--Kernel K-means
前言
一、代码
总结

前言

具体原理不再阐述，详细实现过程可参见上一篇博文，这一篇是从原理或者核思想出发对核聚类的总结，

一、代码

直接贴代码

代码如下（示例）：

import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import make_circles
import random
import math
from sklearn import metrics

def get_data():
    '''
    获取数据集，选用同心圆非凸数据，也可是自己的数据
    :return:
    '''
    x, y1 = make_circles(n_samples=100, factor=0.1, noise=0.1)
    return x

def Kernel(v1, v2):
    '''
    高斯核函数，可对应修改成多维空间下的核函数
    :param v1: 二维空间坐标
    :param v2: 二维空间坐标
    :return:
    '''
    beta = 100
    x1 = v1[0]
    x2 = v1[1]
    y1 = v2[0]
    y2 = v2[1]
    Ker = np.exp(-((x1 - y1)**2 + (x2 - y2)**2)*beta)# 高