python kmeans代码sse_基本KMeans和二分Kmeans的python实现

基本Kmeans算法

import numpy as np

import random

def calc_dist(vec1, vec2):

"""计算两个向量的欧氏距离"""

return np.sqrt(sum(np.power(vec1-vec2, 2)))

def rand_cent(dataSet, k):

"""取k个随机质心，质心的每个特征的值是在数据上下界中随机选取

不一定是数据中包含的值"""

n = shape(dataSet)[1]

centroids = np.mat(np.zeros((k, n)))

for j in range(n):

min_val = min(dataSet[:, j])

range_val = max(dataSet[:, j]) - min_val

centroids[j] = min_val + range_val * random.rand(k, 1)

return centroids

def Kmeans(dataSet, k, dist_eval = calc_dist, create_cent = rand_cent):

"""

创建随机的K个点作为起始质心

当任意一个点的簇分配结果发生改变时：

对数据中的每个数据点：

对每个质心:

计算质心与数据点之间的距离

将数据点分配到距其最近的簇

对每个簇，计算簇中所有点的均值并将其作为质心

""&#