Python机器学习算法实践_自定义实现kmeans

k-means算法步骤：

• 1.随机选取k个质心（k值取决于你想聚成几类）
• 2.计算样本到质心的距离，距离质心距离近的归为一类，分为k类
• 3.求出分类后的每类的新质心
• 4.判断新旧质心是否相同，如果相同就代表已经聚类成功，如果没有就循环2-3直到相同

 

Python实现

from numpy import  *
def loadDataSet(fileName):
    dataMat=[]
    fr=open(fileName)
    for line in fr.readlines():
        arr=line.strip().split('\t')
        #map (回调函数，列表)-》循环列表中的每个值，调用回归函数得到结果，存到map -》 list
        l=list(map(float,arr))#float 强制类型转换
        dataMat.append(l)
    return dataMat
dataMat=loadDataSet('dataset/testSet.txt')

#距离 度量方式：
#1.欧氏距离
def disEuclid(vecA,vecB):
    return sqrt(sum(power((vecA-vecB),2)))
#测试
vecA=[1.658985,4.285136]
vecB=[-3.453687,3.424321]
disEuclid(mat(vecA),mat(vecB))
#2.余弦