《机器学习实战》第十章 ：K-均值聚类算法

《机器学习实战》系列博客主要是实现并理解书中的代码，相当于读书笔记了。毕竟实战不能光看书。动手就能遇到许多奇奇怪怪的问题。博文比较粗糙，需结合书本。博主边查边学，水平有限，有问题的地方评论区请多指教。书中的代码和数据，网上有很多请自行下载。

10.1 K- 均值聚类算法

K- 均值聚类支持函数

数据的导入 ，向量距离的计算 ， 随机质心计算

#coding: utf-8
from numpy import *
def loadDataSet(fileName):      
    dataMat = []                
    fr = open(fileName)
    for line in fr.readlines():
        curLine = line.strip().split('\t') #tab及换行符处理
        fltLine = map(float,curLine) 
        dataMat.append(fltLine)
    return dataMat    
def distEclud(vecA, vecB):
    return sqrt(sum(power(vecA - vecB, 2))) #计算两个向量的距离

def randCent(dataSet, k):
    n = shape(dataSet)[1]
    centroids = mat(zeros((k,n)))# 随机生成k个簇中心  k行n列
    for j in range(n):
        minJ = min(dataSet[:,j]) 
        rangeJ = float(max(dataSet[:,j]) - minJ)
        centroids[:,j] = mat(minJ + rangeJ * random.rand(k,1))
    return centroids

>>> import kMeans
>>> from numpy import *
>>> datMat = mat(kMeans.loadDataSet('testSet.txt'))
>>> min(datMat[:,0])
matrix([[-5.379713]])
>>> max(datMat[:,0])
matrix([[ 4.838138]])
>>> kMeans.randCent(datMat,2)
matrix([[ 0.8442008 ,  4.54209089],
        [-2.47119846, -0.26540836]])