K均值算法
K均值算法和KNN算法在逻辑上有些相似,但是K均值算法本身属于无监督学习算法中的聚类算法,并没有想KNN算法本身存在一个现成的训练集(分好类的点),因此需要依靠随机产生的质心,通过迭代计算周围的点与每个质心之间的距离来对周围的点进行聚类。
1.算法流程
- 选取K个质心->将所有点按照距离质心的距离远近分到质心所属的类型->计算每个类型的平均值作为新的质心->重复之前的操作迭代。
2.代码实现
# encoding=utf-8
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
# 引入scipy中的距离函数,默认是欧氏距离
from scipy.spatial.distance import cdist
# 1.数据加载处理
x, y = make_blobs(n_samples=100, centers=6, cluster_std=0.6, random_state=1234)
# 2.核心算法
class kMeans(object):
def __init__(self, k_num=6, max_iter=10, centrois=[]):
self.k_num = k_num
self.max_iter = max_iter
self.centrois = np.array(centrois, dtype=float)
# 训练模型的方法k-means聚类,传入原始数据
def fit(self, datas):
# 假如没有指定初始质心,就随机选取一个datas中的
if (self.centrois.shape == (0,)):
self.centrois = datas[np.random.randint(0, len(datas), self.k_num), :]
for i in range(self.max_iter):
# 计算距离矩阵->得到一个100乘6的矩阵
distance = cdist(datas, self.centrois)
# 对距离从远到大排序
c_index = np.argmin(distance, axis=1)
# 对每一类数据进行均值计算,更新质心点坐标
for i in range(self.k_num):
if i in c_index:
# 选出所有类别是i的点,求平均值更新第i个质心
# datas[c_index==i] 布尔索引语法
self.centrois[i] = np.mean(datas[c_index == i], axis=0)
def predict(self, samples):
# 先计算距离
distance = cdist(samples, self.centrois)
# 选取距离最近的质心的距离
c_index = np.argmin(distance, axis=1)
#
return c_index
def plotMeans(x, y, centrois, subplot, title):
# 分配子图 121表示一行两列的子图中的第一个
plt.subplot(subplot)
plt.scatter(x[:, 0], x[:, 1], c='r')
# 画出质心点
plt.scatter(centrois[:, 0], centrois[:, 1], c=np.array(range(6)), s=100)
plt.title(title)
# 3.测试
if __name__ == '__main__':
kmeans = kMeans(k_num=6, max_iter=300, centrois=np.array([[2, 1], [2, 2], [2, 3], [2, 4], [2, 5], [2, 6]]))
plt.figure(figsize=(16, 6))
plotMeans(x, y, kmeans.centrois, 121, 'init_pic')
# 进行聚类
kmeans.fit(x)
plotMeans(x, y, kmeans.centrois, 122, 'Final_pic')
#预测新数据点类别
x_new = np.array([[0,0],[10,7]])
y_pred = kmeans.predict(x_new)
plt.scatter(x_new[:,0],x_new[:,1],c='g')
plt.show()
print(kmeans.centrois)
print(y_pred)