K-means聚类算法的学习笔记.
- 首先,聚类算法是一种未知标签的情况下进行的一种分类,无监督学习
- 关于K-means的算法网上也有许多介绍,主要记录一下自己的想法.以数模国赛2017年B为例
1.首先碰到的问题是,有一堆的经纬度,怎么将这堆经纬度归类呢?从以下的图中其实可以观察到,主要为四类,东莞,佛山,广州,深圳.那么初始可以定义有四类.
2.然后就是怎么归类的问题,我认为还是比较容易理解的.我们可以选取四个中心点,然后所有点里面,离哪个中心点近就归为中心点那类,然后就可以得到四类点.然后我们再将类中的点求个平均值,得到新的中心点,继续分类.循环这个过程,直到中心点不再变换,或者达到最大迭代次数(有些函数不收敛)
需要注意两点:
- 初始中心点的选取非常重要,如果两个中心点挨的近了那就非常影响结果.
- 关于近的这个问题,指距离,而距离有很多种,常用的欧式距离,曼哈顿距离.
3.代码实现,以下为代码实现,前者为我自己的实现(可能有一定漏洞)后者调用了sklearn的API(比较好)
本来是想对自己实现的代码进行一定的改进的…不过用过API后成为了放弃思考的废人.
在本次选取中,我碰到的一个问题是,我选取了四个点,但是在聚类的时候,有一个点会不变(也就是前面提到的,初始值的问题,当然也可能是我代码存在漏洞了)
import openpyxl
import math
import copy
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans
excel = openpyxl.load_workbook(
'C:\\Users\\83599\\Desktop\\数模2017\\excel\\附件12数据合集.xlsx')
table = excel['Sheet1']
weidu = []
jingdu = []
for row in range(2, 837):
weidu.append(table.cell(row=row, column=2).value)
jingdu.append(table.cell(row=row, column=3).value)
# cen = [[0, 0] for i in range(3)]
cen = [[weidu[0], jingdu[0]], [weidu[1], jingdu[1]], [weidu[2], jingdu[2]]]
# cen =[[23.1235,113.2757],[22.6414,114.0689],[22.9159,113.8294]]
means = [[]