python 实现kmeans聚类

 

编程中在做数值相等判断的时候，直接使用==判断并不可靠。实际上经过运算后的两个值（浮点型）并不可能完全一致，可能会因为小数点后的些许差异导致判断为false。
比如：

1	print 1e - 5 = = 1e - 6 / / 这肯定是false,但是实际这两个值可以看作近似相等。

在kmeans中判断是否结束循环，就是判断重新计算的聚类中心点是否和原聚类中心点一致，实际上新旧聚类中心点之间会有一个可允许的误差。修改代码如下：

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

import numpy as np def kmeans(data, n, m, k):      rarray = np.random.random(size = k)      rarray = np.floor(rarray * n)      rarray.astype( int )      cls = np.zeros([ 1 ,n],np. int )                 center = np.take(data,rarray)      pcenter = np.zeros([k,m])      end = True      while end:          for i in xrange (n):              tmp = data[i] - center              tmp = np.square(tmp)              tmp = np. sum (tmp,axis = 1 )              cls [i] = np.argmin(tmp)          center = np.zeros([k,m])          count = np.zeros([ 1 ,k],np. int )          for i in xrange (n):              center[ cls [i]] = center[ cls [i]] + data[i]              count[ cls [i]] = count[ cls [i]] + 1          if np. sum (center / count - pcenter) < = 1e - 4 :              end = False          pcenter = center / count

转载于:https://www.cnblogs.com/jyxbk/p/8675402.html