今天我们接着介绍十大数据挖掘算法重点一种: K-means 算法
K-means 是一种非常典型直接的基于距离的聚类算法,他的核心思想就是把一堆离散的点分为K组。
抛弃理论化的描述,我们通过一个简单的例子来看一下算法的工作过程:
Table-0 k-means 算法的一个例子
问题: 图中有A,B,C,D,E 5个点,而我们希望把他们聚成2个小圈子(k=2).
首先,我们随机的生成2个中心点的坐标(如第一张图所示),然后让ABCDE逐个投奔离它最近的中心点
在图中我们看到,A,B离右上的中心点比较近,C,D,E离另一个中心点比较近
OK,第一次聚类就完成了,当前的结果为[A,B] 和[C,D,E]
接下来,重新计算中心点,取为当前组的中心(如Table-0 图三所示)
最后,重复以上过程,直到结果集不再变化
是不是很直观呢?!
明白了算法的工作过程,那么实现也就简单啦。
附上一段python代码,可读性应该是非常强滴
import randomdef kcluster(rows,distance,k=4): #K-means 算法实现,distance指定距离计算方法,此处省略 # 获取所有点的最大最小值 ranges=[(min([row[i] for row in rows]),max([row[i] for row in rows])) for i in range(len(rows[0]))] # 随机创建K个中心值 clusters=[[rand