clustering k-means

最新推荐文章于 2024-03-14 06:20:16 发布
置顶 最新推荐文章于 2024-03-14 06:20:16 发布
阅读量332 收藏
点赞数
分类专栏： python机器学习 文章标签： kmeans pandas 机器学习 聚类 clustering
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_23859701/article/details/79129099
版权

程序给出了k-means的用法和简单的pandas操作excel

1.选择一个参数k，也就是聚类时分成几类

2，随机选择k个中心点

3，计算每个样本到中心的距离，把这个样本归为与中心距离最近的那一类

4，更新中心

5，重复3,4步。达到最大迭代次数或者中心不发生变化，重复结束

距离公式：

首先help(np.linalg.norm)查看其文档：

 

norm(x, ord=None, axis=None, keepdims=False)
 

    
 
  • 1
    • 

 
x 
表示要度量的向量， 
ord 
表示范数的种类， 
 


 
  

   参数
   说明
   计算方法
  

 
 
  

   默认
   二范数：ℓ2
   x21+x2
  

 


                

        

        

    




        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  秃鹫红发夜魔王
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    0
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
机器学习（十二）：聚类（Clustering）K-means算法

				
			

			

				

					qq_45802081的博客
				

				

					11-09
					
					311
					
				

			

		

		

			
				
常用聚类算法总结
1、 聚类(clustering) ：
属于非监督学习 (unsupervised learning)。
无类别标记(class label)。
2、举例：

3、K-means 算法：
K-means原理讲解
3.1 Clustering 中的经典算法，数据挖掘十大经典算法之一。
3.2 算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。
3.3 算法思想：
以空间中k个点为中心进行聚类，对

			
		

	



                

              
                



	

		

			

				
					
K-Means  Clustering

				
			

			

				

					zhuangzhao119的博客
				

				

					03-09
					
					399
					
				

			

		

		

			
				
K-Means Clustering:
Step 1: Choose the number of K

Step 2: Select centroids

Step 3: Assign each data to the closed centeroid point:

Step 4: Compute the new central point of each cluster:

Step 5:Re...

			
		

	



                


  
              

                


	

		

			

				
					
clustering_kmeans

				
			

			

				

					LeonMakise的博客
				

				

					02-19
					
					276
					
				

			

		

		

			
				
clear all;
clc;

addpath(genpath('utils'))
result = zeros(10,3);
% std=zeros(1,3);
for i=1:10
tic;
% load COIL20.mat; k = 20;
% load lung_discrete.mat; k = 7;
% load iris_uni.mat; k=3;
% load cleve_un...

			
		

	





	

		

			

				
					
机器学习-聚类(clustering)算法：K-means算法

				
			

			

				

					diantu6020的博客
				

				

					03-04
					
					273
					
				

			

		

		

			
				
1. 归类：
   聚类(clustering)：属于非监督学习(unsupervised learning)
   无类别标记(class label)
2. 举例：
    

3. Kmeans算法
  3.1 clustering中的经典算法，数据挖掘十大经典算法之一
  3.2 算法接受参数k；将事先输入的n个数据对象划分为k个...

			
		

	



		

			
		



	

		

			

				
					
K-means算法（一篇文章讲透）

					
最新发布

				
			

			

				

					2303_79387663的博客
				

				

					03-14
					
					3820
					
				

			

		

		

			
				
请注意，这只是一个简单的示例，实际应用中，您可能需要对数据进行预处理（如标准化或归一化），选择适当的K值，并评估聚类结果的质量。K-means算法是一种基于距离的聚类算法，其核心思想是通过迭代的方式将数据划分为K个簇，使得每个簇内的数据点尽可能接近其簇中心，而不同簇之间的数据点尽可能远离。其中，最具代表性的是K-means++算法和密度敏感的K-means算法。K-means算法的聚类效果受到初始聚类中心选择的影响，不同的初始值可能导致不同的聚类结果。

			
		

	





	

		

			

				
					
K均值聚类即K-Means算法详解PPT

				
			

			

				

					04-13
				

			

		

		

			
				
K-Means聚类算法详解  K-Means聚类算法是一种常用的无监督学习方法，主要用于将数据点分组成不同的簇，以便更好地理解数据的结构和特征。在这里，我们将详细介绍K-Means聚类算法的原理、步骤和应用。  一、聚类算法...

			
		

	





	

		

			

				
					
K-means实现广告聚类分析.zip

				
			

			

				

					11-19
				

			

		

		

			
				
项目包含广告渠道90天内额日均UV，平均注册率、平均搜索率、访问深度、平均停留时长、订单转化率、投放时间、素材类型、广告类型、合作方式、广告尺寸和广告卖点等特征，将渠道分类，找出每类渠道的重点特征，为业务...

			
		

	





	

		

			

				
					
聚类 k-means k-medoids代码实现

				
			

			

				

					01-06
				

			

		

		

			
				
k-means 是最流行的聚类算法之一，它的核心思想是通过迭代找到 k 个中心点（或称质心），使得每个数据点到其所属簇中心的距离之和最小。以下是 k-means 算法的基本步骤：  1. **初始化**：随机选择 k 个数据点作为...

			
		

	





	

		

			

				
					
聚类算法：K-means聚类图像分割

				
			

			

				

					12-22
				

			

		

		

			
				
1 K-Means聚类 K-Means聚类是最常用的聚类算法，最初起源于信号处理，其目标是将数据点划分为K个类簇，找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解，运算速度较快，缺点是只能应用于连续型...

			
		

	





	

		

			

				
					
k-means算法课件ppt

				
			

			

				

					09-28
				

			

		

		

			
				
k-means算法是一种广泛应用的无监督学习方法，主要用于数据聚类。它的主要目标是将数据集分割成k个不同的簇，使得每个数据点都尽可能接近其所在簇的中心，而不同簇之间的数据点尽可能远离。在讲解k-means算法时，...

			
		

	





	

		

			

				
					
聚类(Clustering)  -  K-means算法 - 理论详解实战

				
			

			

				

					kk的博客
				

				

					06-10
					
					3805
					
				

			

		

		

			
				
一、Kmeans算法计算过程理论讲解

1. 归类：

     聚类(clustering) 属于非监督学习 (unsupervised learning)
     无类别标记(class label)

2. 举例：


    
3. K-means 算法：

  3.1 Clustering 中的经典算法，数据挖掘十大经典算法之一
  3.2...

			
		

	





	

		

			

				
					
数据采集分析 --KMeans算法实现

				
			

			

				

					qq_41604379的博客
				

				

					09-15
					
					1543
					
				

			

		

		

			
				
整理数据，并对数据进行聚类算法，最后画出雷达图
步骤
1：采集数据
2：对采集好的数据 进行清理 清理掉空值
3：选取数据 选择你所需要的数据
4：数据转换
5：对数据进行求方差的处理
6：对处理好的数据进行聚类运算并实现雷达图
下面是源代码
import pandas as pd
import matplotlib.pyplot as plt
import  numpy as np
from s...

			
		

	





	

		

			

				
					
python：利用K-Means算法实现对数据的聚类

				
			

			

				

					qq_35896136的博客
				

				

					04-26
					
					2661
					
				

			

		

		

			
				
目的是为了检测出采集数据中的异常值。所以很明确，这种情况下的簇为2：正常数据和异常数据两大类

文章目录1、安装相应的库2、实现聚类2.1 读取数据并可视化2.2 K-means聚类
1、安装相应的库
import matplotlib.pyplot as plt  # 用于可视化
from sklearn.cluster import KMeans  # 用于聚类
import pandas as pd # 用于读取文件

2、实现聚类
2.1 读取数据并可视化
# 读取本地数据文件
df = pd.r.

			
		

	





	

		

			

				
					
Excel实现kmeans算法

				
			

			

				

					DL11007的博客
				

				

					05-14
					
					4842
					
				

			

		

		

			
				
使用excel实现kmeans算法

			
		

	





	

		

			

				
					
机器学习算法之K-means（K均值聚类）算法

				
			

			

				

					tttaeyang的博客
				

				

					10-08
					
					7019
					
				

			

		

		

			
				
聚类
聚类，简单来说，就是将一个庞杂数据集中具有相似特征的数据自动归类到一起，称为一个簇，簇内的对象越相似，聚类的效果越好。它是一种无监督的学习(Unsupervised Learning)方法,不需要预先标注好的训练集。聚类与分类最大的区别就是分类的目标事先已知，例如猫狗识别，你在分类之前已经预先知道要将它分为猫、狗两个种类；而在你聚类之前，你对你的目标是未知的，同样以动物为例，对于一个动物集来...

			
		

	





	

		

			

				
					
K-means clustering (K-均值聚类)

				
			

			

				

					我们的时光！
				

				

					06-16
					
					4124
					
				

			

		

		

			
				
本文主要介绍了聚类算法中K-均值聚类，并给出了一个机器学习示例软件。

			
		

	





	

		

			

				
					
聚类(Clustering): K-means算法

				
			

			

				

					Moelimoe的博客
				

				

					08-04
					
					755
					
				

			

		

		

			
				
聚类(Clustering): K-means算法
1.归类:
聚类(clustering)属于非监督学习(unsupervised learning)
无类别标记( class label)

3. K-means 算法：
3.1 Clustering 中的经典算法，数据挖掘十大经典算法之一
3.2 算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚...

			
		

	





	

		

			

				
					
K-Means（聚类）

					
热门推荐

				
			

			

				

					https://blog.csdn.net/sinat_36710456
				

				

					02-28
					
					14万+
					
				

			

		

		

			
				
说到聚类，应先理解聚类和分类的区别，很多业务人员在日常分析时候不是很严谨，混为一谈，其实二者有本质的区别。



分类：分类其实是从特定的数据中挖掘模式，作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中...

			
		

	





	

		

			

				
					
k-means算法扩展

				
			

			

				

					weixin_39631030的博客
				

				

					11-20
					
					687
					
				

			

		

		

			
				
k-means是机器学习中最基本的聚类算法，但同样也有很多缺点：

一是k选择是随机的，可能会得到局部最优解

二是k的个数的选择是预估计的，很多时候并不知道样本被聚为几类最合适

同样，k-measns仅能实现对连续型数值的样本操作，当数据量过于庞大时，时间复杂度较高（每次计算簇的中心来选取新的中心点）

 

k-means++

为了解决k的随机性，k-means++算法与k-means算法...

			
		

	





	

		

			

				
					
聚类K-means模型改进

				
			

			

				

					05-26
				

			

		

		

			
				
K-Means是一种常见的聚类算法，但它有一些缺点，例如它非常依赖于初始的聚类中心选择，对于不同的初始聚类中心，它的结果可能会不同。此外，它也无法处理高维数据和噪声数据。因此，有一些改进的方法可以提高K-Means...

			
		

	



              



  
“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	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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