一个聚类算法的Java实现

/**
 * KNN算法工具类
 * Created by Mistletoe on 2018/05/11 17:13
 */

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

public class KNNUtils {

    private static double[] originData;
    public void init(double[] outData){
        this.originData=outData;
    }
    public KNNUtils(double[] outData){
        init(outData);
    }
    //计算欧氏距离
    
  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
k-means 聚类算法是一种无监督的机器学习算法,它可以将具有相似特征的数据点分组为一组。该算法使用了迭代重分配数据点的方法,直到每个群集的中心点不再变化或达到指定的迭代次数为止。 在 Java 中,我们可以使用 Apache Commons Math 库来实现 k-means 聚类算法。以下是一个简单的示例代码: ```java import org.apache.commons.math3.ml.clustering.Cluster; import org.apache.commons.math3.ml.clustering.KMeansPlusPlusClusterer; import org.apache.commons.math3.ml.distance.EuclideanDistance; import org.apache.commons.math3.random.JDKRandomGenerator; public class KMeansExample { public static void main(String[] args) { // 创建一个包含数据点的数组 double[][] points = {{1.0, 1.0}, {2.0, 2.0}, {1.5, 1.8}, {8.0, 8.0}, {9.0, 9.0}, {7.5, 8.5}}; // 创建一个 k-means 聚类器,指定需要聚类的组数 KMeansPlusPlusClusterer clusterer = new KMeansPlusPlusClusterer(2, 100, new EuclideanDistance(), new JDKRandomGenerator()); // 将数据点传递给聚类器并执行聚类 java.util.List<Cluster> clusters = clusterer.cluster(Arrays.asList(points)); // 打印每个群集的中心点 for (Cluster cluster : clusters) { System.out.println("Cluster center: " + Arrays.toString(cluster.getCenter().getPoint())); } } } ``` 在这个示例中,我们使用了 `KMeansPlusPlusClusterer` 类来执行 k-means 聚类。我们创建了一个包含两个群集的聚类器,并将数据点传递给它进行聚类。最后,我们打印了每个群集的中心点。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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