[Python数据挖掘] KMeans聚类算法原理底层实现

最新推荐文章于 2024-06-25 13:31:56 发布

swordtraveller

最新推荐文章于 2024-06-25 13:31:56 发布

阅读量1.3k

点赞数 1

分类专栏： Python Python 数据挖掘入门文章标签： KMeans 聚类数据挖掘

本文链接：https://blog.csdn.net/swordtraveller/article/details/91346536

版权

本文探讨了KMeans聚类算法的底层实现，通过Python代码仅依赖random.sample和math.sqrt实现了KMeans，对grade.txt数据集进行了聚类，并与sklearn库的结果进行了对比。虽然结果基本一致，但算法的稳定性不佳，欢迎读者提供改进意见。

摘要由CSDN通过智能技术生成

[问题背景]

关于KMeans聚类原理的动画演示，我在B站的投稿《Kmeans聚类原理动画演示》中已作了介绍，有兴趣的朋友可以先看一下链接中的1分钟动画演示。

在[Python数据挖掘] sklearn-KMeans聚类一文中，我们调用sklearn库的KMeans聚类方法，成功对以下ANSI编码的grade.txt文本文档数据集进行了聚类：

YZN,133,108,76
ZHY,96,145,101
WYZ,132,107,60
DHY,100,102,120
CYH,139,99,93
LHY,73,149,81
ZHY,85,148,93
TQP,39,138,85
ZZL,145,112,71
HJC,101,116,118
XZY,99,98,117

[问题分析]

下面从底层实现的角度，只使用外部的random.sample和math.sqrt，无需使用numpy，逐步实现KMeans聚类算法。

完整代码如下：

针对grade.txt文本文档进行数据预处理并聚类的实例代码：

（grade.txt需要与代码的.py文件位于同一目录下）

from random import sample
from math import sqrt

# 函数名：means
# 函数接口：大列表data
# 函数功能：返回data大列表内所有点的平均点，是一个小列表
def means(data):
    len_data = len(data)
    len_item = len(data[0])
    ret = []
    for j in range(len_item):
        ret_item = 0
        for i in range(len_data):
            ret_item += data[i][j]
        ret_item /= len_data
        ret.append(ret_item)
    return ret

# 函数名：distance
# 函数接口：两个数据点列表data1和data2
# 函数功能：返回两个数据点的距离

最低0.47元/天解锁文章