K-means空间聚类分析

最新推荐文章于 2024-02-29 08:00:00 发布

Joy_Shen

最新推荐文章于 2024-02-29 08:00:00 发布

阅读量6.6k

点赞数 1

分类专栏： Machine Learning 文章标签： K-means 聚类分析

本文链接：https://blog.csdn.net/index20001/article/details/75033387

版权

本文档详细介绍了如何利用K-means算法对durudataset.txt提供的高维坐标数据进行聚类分析，旨在揭示数据内在的结构和群组分布。

摘要由CSDN通过智能技术生成

内容：根据作业题目给出的高维空间坐标数据，做聚类分析

durudataset.txt如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation


def load_dataset(name):
    return np.loadtxt(name)


def euclidian(a, b):
    return np.linalg.norm(a-b)


def plot(dataset, history_centroids, belongs_to):
    colors = ['r', 'g']

    fig, ax = plt.subplots()

    for index in range(dataset.shape[0]):
        instances_close = [i for i in range(len(belongs_to)) if belongs_to[i] == index]
        for instance_index in instances_close:
            ax.plot(dataset[instance_index][0], dataset[instance_index][1], (colors[index] + 'o'))

    history_points = []
    for index, centroids in enumerate(history_centroids):
        for inner, item in enumerate(centroids):