K-means聚类算法-python实现简单示例

最新推荐文章于 2021-03-26 16:03:49 发布

snail010101

最新推荐文章于 2021-03-26 16:03:49 发布

阅读量2.5k

点赞数

分类专栏：有意思的事情文章标签： K-means python 简单示例

本文链接：https://blog.csdn.net/snail010101/article/details/82535192

版权

本文通过一个简单的K-means聚类算法实例，介绍如何使用Python进行实现。主要内容包括算法的主要步骤、实际代码展示、运行结果及在处理稠密数据时可能遇到的问题。

摘要由CSDN通过智能技术生成

K-means聚类算法-python实现简单示例

想搞点有意思的东西，参考[K-means聚类算法(https://www.cnblogs.com/jerrylead/archive/2011/04/06/2006910.html)做了一些实现。记录如下。

代码主要过程：

生成数据D(d₁,d₂,…,d_i)；
执行分类：
2.1. 按照group数量，初始化group 中心( u₁, u₂,…u_x)；
2.2. 遍历数据，按照d_i与各个中心的距离distance_x,i，选择distance_x,i最小的，作为d_i的类；
2.3. 更新分组中心值。对每个分组，取该组所有成员对应坐标的平均值，形成预期的分组中心A(a_h,b_h)。将分组中与A距离最近的点(d_i)，作为分组的新中心；
2.4. 检查所有分组的中心值是否发生变化。如果没有变化，视为训练完成（此处为实现时的逻辑漏洞）；如果超过训练次数，则视为训练完成（此处为实现时的逻辑问题，见参考博客，存在严谨的校验方法）；
2.5. 从2.2开始继续训练；
展示分类结果；

实际代码

# coding=UTF-8

import numpy as np
import math
import matplotlib.pyplot as plt
import copy

class Group(object):
    ''' group structure
    1) mainly provide group_center update;
    2) pay attention that, all members are public,
       no interface is avaliable
    '''
    center_ar = np.array([0, 0])
    members   = []

    def UpCenter(self):
        sum_xy = np.sum(self.members, axis=