一维数组,例如:
班级中学习成绩分布聚类。
K-Means算法可以对多维数据进行聚类,Jenks Natural Breaks和K-Means在一维数据时,完全等价。
它们的目标函数一样,但是算法的步骤不完全相同。K-Means是先设定好K个初始随机点。而Jenks Breaks则是用遍历的方法,一个点一个点地移动,直到达到最小值。
此处使用sklearn库中提供的K-Means函数进行数据聚类
1、安装 sklearn
pip install sklearn
2、分类代码
from sklearn.cluster import KMeans
import numpy as np
x = np.random.random(10000).reshape(-1,1)
km = KMeans(n_clusters=5)
km.fit(x)
print(km.cluster_centers_)
注意 km.cluster_centers_为类别的中心点,这是该方法与jenkspy库结果的差别,jenkspy库得出结果为类别边界。
KMeans()类中,参数n_clusters=5表示类别个数。
经测试,在数据量为10000时,速度2s左右,效率较高。
参考文章:
https://www.cnblogs.com/lianyingteng/p/7811126.html
https://www.biaodianfu.com/clustering-on-a-one-dimensional-array.html