k-means

 1import numpy as np
 2
 3def kmeans_xufive(ds, k):
 4    """k-means聚类算法
 5
 6    k       - 指定分簇数量
 7    ds      - ndarray(m, n)，m个样本的数据集，每个样本n个属性值
 8    """
 9
10    m, n = ds.shape # m：样本数量，n：每个样本的属性值个数
11    result = np.empty(m, dtype=np.int) # m个样本的聚类结果
12    cores = np.empty((k, n)) # k个质心
13    cores = ds[np.random.choice(np.arange(m), k, replace=False)] # 从m个数据样本中不重复地随机选择k个样本作为质心
14
15    while True: # 迭代计算
16        d = np.square(np.repeat(ds, k, axis=0).reshape(m, k, n) - cores)
17        distance = np.sqrt(np.sum(d, axis=2)) # ndarray(m, k)，每个样本距离k个质心的距离，共有m行
18        index_min = np.argmin(distance, axis=1) # 每个样本距离最近的质心索引序号
19
20        if (index_min == result).all(): # 如果样本聚类没有改变
21            return result, cores # 则返回聚类结果和质心数据
22
23        result[:] = index_min # 重新分类
24        for i in range(k): # 遍历质心集
25            items = ds[result==i] # 找出对应当前质心的子样本集
26            cores[i] = np.mean(items, axis=0) # 以子样本集的均值作为当前质心的位置