机器学习(三)–K-Means算法
一、K-means算法的相关描述
聚类是一种无监督的学习,它将相似的对象归到同一簇中。聚类的方法几乎可以应用所有对象,簇内的对象越相似,聚类的效果就越好。K-means算法中的k表示的是聚类为k个簇,means代表取每一个聚类中数据值的均值作为该簇的中心,或者称为质心,即用每一个的类的质心对该簇进行描述。
聚类和分类最大的不同在于,分类的目标是事先已知的,而聚类则不一样,聚类事先不知道目标变量是什么,类别没有像分类那样被预先定义出来,所以,聚类有时也叫无监督学习。
1、聚类算法
- 步中初始化聚类中心最简单的方式就是直接随机选择k中样本点,将它们作为初始的聚类中心,当然,其他的方式也是可以的
- 计算每个点到聚类中心的距离,找出距离样本点最近的那个聚类,重新将该点分配到该聚类
- 当所有样本点重新计算了所属类别之后,类内的中心点位置也相应的发生了改变,重新计算每个类簇包含的样本点的中心点
下图1.1展示了K-means算法的步骤:
二、K-Means算法的代码实现
import numpy as np
import matplotlib.pyplot as plt
''''
k-means实现
'''
'''
0.加载数据
1.计算欧式距离
2.初始化聚类中心
3.k_means实现
4.结果可视化
'''
def loadData():
f = open('./test.txt', mode='r', errors='ignore')
# 逐行读取文件,去掉换行符,并且以\t切分数据,得到80行两列的list
lines = [line.strip().split('\t') for line in f.readlines()]
data = np.mat(lines, dtype=np.float64)
return data
def calDistance(vec1, vec2):
d = np.sqrt(np.sum(np.power(vec1 - vec2, 2)))
return d
def initClusterCentroid(data, k):
m_samples, n_features = data.shape
centroidIndex = np.random.uniform(0, m_samples, k)
centroidMat = np.mat(np.ones((k, n_features)))
for i, v in enumerate(centroidIndex):
centroidMat[i, :] = (data[int(v), :])
return centroidMat
def k_means(data, k):
m_samples, n_features = data.shape
AssignMat = np.zeros((m_samples, 2))
flag = True
centroidMat = initClusterCentroid(data, k)
while flag:
flag = False
for i in range(m_samples):
minDistance = 99999
minIndex = -2
for j in range(k):
d = calDistance(data[i, :], centroidMat[j, :])
if (d < minDistance):
minDistance = d
minIndex = j
if (minIndex != AssignMat[i, 0]):
AssignMat[i, 0] = minIndex
AssignMat[i, 1] = minDistance
flag = True
# print(AssignMat)
# 改变聚类中心
# print(AssignMat[:,0] == 1)
# print(centroidMat)
for p in range(k):
pointInCluster = np.nonzero((AssignMat[:, 0] == p))[0]
centroidMat[p, :] = np.mean(data[pointInCluster, :], axis=0)
return centroidMat, AssignMat
def show(data, centroid, assignMat, k):
dim = data.shape[1]
if dim > 2:
print('维度错误')
return 1
mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', '<r', 'pr']
for i in range(len(data)):
index = int(assignMat[i, 0])
plt.plot(data[i, 0], data[i, 1], mark[index])
mark = ['Dr', 'Db', 'Dg', 'Dk', '^b', '+b', 'sb', 'db', '<b', 'pb']
for j in range(k):
plt.plot(centroidMat[j, 0], centroidMat[j, 1], mark[j], markersize=13)
plt.show()
if __name__ == '__main__':
# print(loadData())
data = loadData()
k = 4
centroidMat, AssignMat = k_means(data, k)
print(AssignMat)
show(data, centroidMat, AssignMat, k)
运行结果: