K-Means算法学习

一、K-Means代码实现

import numpy as np
import matplotlib.pyplot as plt

# 加载数据
def loadDataSet(fileName):
    data = np.loadtxt(fileName,delimiter=',')
    return data

# 欧式距离计算
def distEclud(x,y):
    return np.sqrt(np.sum((x-y)**2))

# 为给定数据集构建一个包含K个随机质心的集合
def randCent(dataSet,k):
    # m为行数,n为列数
    m,n = dataSet.shape
    centroids = np.zeros((k,n))
    for i in range(k):
        index = int(np.random.uniform(0,m))
        centroids[i,:] = dataSet[index,:]
    return centroids

# k均值聚类
def KMeans(dataSet,k):
    # 行的数目
    m = np.shape(dataSet)[0]
    # 第一列存样本属于哪个簇   第二列存样本到簇的中心点的误差
    clusterAssment = np.mat(np.zeros((m,2)))
    clusterChange = True

    # 第一步:初始化centroids
    centroids = randCent(dataSet,k)
    while clusterChange:
        clusterChange = False
        # 遍历样本
        for i in range(m):
            minDist = 100000.0
            minIndex = -1
            # 遍历质心
            # 第二步 找出最近的质心
            for j in range(k):
                # 计算欧式距离
                distance = distEclud(centroids[j,:],dataSet[i,:])
                if distance < minDist:
                    minDist = distance
                    minIndex = j
            # 第三步 更新每行样本所属的簇
            if clusterAssment[i,0] != minIndex:
                clusterChange = True
                clusterAssment[i,:] = minIndex,minDist**2
        # 第四步 更新质心
        for j in range(k):
            # 获取聚类所有的点
            pointInCluster = dataSet[np.nonzero(clusterAssment[:,0].A == j)[0]]
            # 对矩阵的行求均值
            centroids[j,:] = np.mean(pointInCluster,axis=0)
    print("Congratulations,cluster complete!")
    return centroids,clusterAssment

def showCluster(dataSet,k,centroids,clusterAssment):
    m,n = dataSet.shape
    if n != 2:
        print("数据不是二维的")
        return 1
    mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', '<r', 'pr']
    if k > len(mark):
        print("k值太大了")
        return 1
    # 绘制样本
    for i in range(m):
        markIndex = int(clusterAssment[i,0])
        plt.plot(dataSet[i,0],dataSet[i,1],mark[markIndex])
    mark = ['Dr', 'Db', 'Dg', 'Dk', '^b', '+b', 'sb', 'db', '<b', 'pb']
    # 绘制质心
    for i in range(k):
        plt.plot(centroids[i,0],centroids[i,1],mark[i])
    plt.show()
dataSet = loadDataSet("test.txt")
k = 4
centroids,clusterAssment = KMeans(dataSet,k)
showCluster(dataSet,k,centroids,clusterAssment)

二、用sklearn.cluster带的K-Means算法实现

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
# 加载数据
def loadDataSet(fileName):
    data = np.loadtxt(fileName,delimiter=',')
    return data
x = loadDataSet("test.txt")
y_pred = KMeans(n_clusters=3, random_state=9).fit_predict(x)
plt.scatter(x[:, 0], x[:, 1], c=y_pred)
plt.show()

三、K-Means效果的评价指标

评价指标:Silhouette Coefficient和Calinski-Harabasz Index
(1)Silhouette Coefficient分数值s的数学计算公式为:
在这里插入图片描述
a(i)是i到同簇样本的平均距离,为样本i的簇内不相似度,b(i)为i到其他簇样本的平均距离,为样本i的簇间不相似度。
s(i)接近1,样本在该簇合理;s(i)接近-1,样本i应该分到其他簇。

(2)Calinski-Harabasz分数值s的数学计算公式是:
s(k)=tr(Bk)(m-k)/tr(Wk)(k−1)*

在这里插入图片描述

其中m为训练集样本数,k为类别数。Bk为类别之间的协方差矩阵,Wk为类别内部数据的协方差矩阵。tr为矩阵的迹。类间差距越大,类内差距越小,s越大,聚类效果越好。

代码实现:

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn import metrics
# 加载数据
def loadDataSet(fileName):
    data = np.loadtxt(fileName,delimiter=',')
    return data

x = loadDataSet("test.txt")
y_pred = KMeans(n_clusters=3, random_state=9).fit_predict(x)
caha=metrics.calinski_harabasz_score(x, y_pred)
print(caha)
plt.scatter(x[:, 0], x[:, 1], c=y_pred)
plt.show()

借鉴:
SKlearn里面的K-means使用详解
关于K-means聚类算法重点理解

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
K-means算法是一种经典的聚类算法,它通过将数据集划分成K个簇,使得每个簇内的数据点之间的距离最小,而簇与簇之间的距离最大。在学习和实践K-means算法的过程中,我有以下几点感悟: 首先,K-means算法是一种简单易用的算法,适用于大规模数据处理。算法的核心思想是通过不断迭代,将数据集划分成K个簇。在每一次迭代中,K-means算法会计算每个数据点与每个簇中心的距离,并将数据点归属到距离最近的簇中心。通过多次迭代,可以得到最终的簇划分结果。 其次,K-means算法的效率和精度受到初始簇中心的影响。由于K-means算法的迭代是基于初始簇中心进行的,因此初始簇中心的选择会影响算法的效率和精度。在实践中,我们可以通过多次随机选择初始簇中心,并计算每次迭代的效果,以选择最优的初始簇中心。 最后,K-means算法的应用场景非常广泛。例如,它可以应用在图像分割、文本聚类、生物信息学等方面。通过对数据进行聚类分析,可以帮助我们更好地理解数据的内在规律和特征,从而作出更加准确的决策。 总之,K-means算法是一种非常有意义的聚类算法,它可以帮助我们更好地理解数据,从而作出更加准确的决策。在学习和实践K-means算法的过程中,我们需要注重算法的理论和实践结合,以便更好地理解算法的核心思想和应用场景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值