算法流程
算法流程分为以下几个步骤
- 随机在数据点内选取k个点,这个k值为你要划分的聚类数。
- 然后计算所有点到每个选取点的距离,然后记录距离最短的那个点
- 然后重新计算新的点作为聚落质点。
- 计算出新的点后重复步骤二和步骤三,直到到达所设定的停止条件为止
停止条件
一般有三个条件
- 每个质心分配得到的点在下一次分配完后没有发生改变。
- 上一次的计算得到的所有质心和这一次计算得到的质心没有发生变化
- 重复一个固定次数后就不再重复
python实现
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from turtle import color
plt.rcParams['toolbar'] = 'None'
def assigment(centralPoint, dateTable):
for i in centralPoint.keys():
dateTable["distance{}".format(i)] = ( #计算点到质点距离,采用欧式距离
((dateTable['x']-centralPoint[i][0])**2 +
(dateTable['y']-centralPoint[i][1])**2
)**0.5
)
dateTable['minPoint'] = dateTable.loc[:, [
'distance{}'.format(i) for i in centralPoint.keys()]].idxmin(axis=1)
dateTable['minPoint'] = dateTable['minPoint'].map( # 找到距离最近的质点
lambda x: int(x.lstrip('distance')))
return dateTable
def updatePoint(centralPoint, dateTable):
# 计算新的质点,将同一个集合内的点求平均值得到新的点
for i in centralPoint.keys():
centralPoint[i][0] = np.mean(
dateTable[dateTable['minPoint'] == i]['x'])
centralPoint[i][1] = np.mean(
dateTable[dateTable['minPoint'] == i]['y'])
if __name__ == '__main__':
k = 3 # k值设定为3
# 生成三组正态分布数据集
cov = np.array([[100, 10], [10, 100]]) # 协方差矩阵
srcTable = pd.DataFrame(columns=['x', 'y'], dtype='float') # 数据表
for i in range(k):
mean = np.array([np.random.randint(0, 100),
np.random.randint(0, 100)])
data = np.random.multivariate_normal(mean, cov, 1000)
x, y = data.T
srcTable = pd.concat([srcTable, pd.DataFrame( # 合并数据集
{'x': x[:], 'y':y[:]}, dtype='float')], ignore_index=True)
srcTable = srcTable.drop_duplicates() # 去除重复点
# 随机选取样本点作为质心
srcList = srcTable.to_numpy().tolist()
centralPoint = {
i+1: srcList[np.random.randint(0, len(srcList))] for i in range(k)
}
# 分配样本点所属质心
assigment(centralPoint, srcTable)
# 重复更新数据以及分配,直到所属质心的集合不在更改退出
while True:
oleDate = srcTable['minPoint'].copy(deep=True)
updatePoint(centralPoint, srcTable)
assigment(centralPoint, srcTable)
if oleDate.equals(srcTable['minPoint']):
break
# 绘图
colormap = {1: 'r', 2: 'g', 3: 'b'}
srcTable['color'] = srcTable['minPoint'].map(lambda x: colormap[x])
fig = plt.figure(figsize=(10, 10))
plt.scatter(x=srcTable['x'], y=srcTable['y'],
color=srcTable['color'], alpha=0.5, edgecolors='k')
for i in centralPoint.keys():
plt.scatter(*centralPoint[i], color=colormap[i])
plt.xlim(0, 100)
plt.ylim(0, 100)
plt.show()