K Means算法实现聚类分析

K Means算法实现聚类分析

一、动态聚类算法介绍

动态聚类算法选择若干样品作为聚类中心，再按照某种聚类准则，如最小距离准则，将其余样品归入最近的中心，得到初始分类。然后判断初始分类是否合理，若不合理则按照特定规则重新修改不合理的分类，如此反复选代，直到分类合理。

二、K均值算法介绍

​ K均值算法能够使聚类域中所有样品到聚类中心距离的平方和最小。其原理为：先取k个初始距离中心，计算每个样品到这k个中心的距离，找出最小距离把样品归人最近的聚类中心，修改中心点的值为本类所有样品的均值，再计算各个样品到k个中心的距离，重新归类、修改新的中心点。直到新的距离中心等于上一次的中心点时结束。此算法的结果受到聚类中心的个数以及初始聚类中心的选择影响，也受到样品几何性质及排列次序影响。如果样品的几何特性表明它们能形成几个相距较远的小块孤立区域，则算法多能收敛。

三、K均值算法实现步骤

1、先定义总共有多少个类/簇

2、将每个簇心随机定在一个点上

3、将每个数据点关联到最近簇中心所属的簇上

4、对于每一个簇找到其所有关联点的中心点（取每一个点坐标的平均值）

5、将上述点变为新的簇心

6、不停重复，直到每个簇所拥有的点不变

四、代码实现

这里用 sklearn 的数据生成工具 make_blobs( ) 来合成所需的数据。make_blobs( ) 方法常被用来生成聚类算法的测试数据，简单来说，make_blobs( ) 会根据用户指定的样本数量、特征数量、簇中心数量、生成数据的波动范围等来生成数据，这些数据可用于测试聚类算法的效果。

代码如下：

首先用sklearn包生成训练集模板（这里的簇心为4）

# 导入必要的包或方法，包括绘图的 Matplotlib 和生成数据的 make_blobs。
import matplotlib.pyplot as plt
# 导入生成数据的方法
import sklearnfrom sklearn.datasets import make_blobs
# 生成合成数据# n_samples是待生成的样本总数
# centers 表示要生成的样本中心（类别）数，或是确定的中心点数量
blobs = make_blobs(n_samples=200, random_state=1, centers=4)
X_blobs = blobs[0]  # 提取特征数据
plt.scatter(X_blobs[:, 0], X_blobs[:,<