Python K中心点聚类kmediods聚类代码

本文详细介绍了如何使用Python实现K-Medoids聚类算法,即PAM(Partitioning Around Medoids)方法。通过实例代码展示了如何对数据进行预处理、设定聚类数量K、运行算法并可视化结果,帮助读者理解该算法在数据挖掘中的应用。
摘要由CSDN通过智能技术生成
import numpy as np
from numpy import *
import sys
from sklearn import metrics
import pandas as pd
import matplotlib.pyplot as plt

def fit_plot_Kmean_model(X):
    data = pd.read_csv(X, header=None, error_bad_lines=False)
    # 必须添加header=None,否则默认把第一行数据处理成列名导致缺失
    data_list = data.values.tolist()
    data_list = np.array(data_list)
    return data_list


def choice_center(data,k):
    k=int(k)
    centers = []
    for i in np.random.choice(len(data), k):
        centers.append(data[i])
    # print("随机选取的中心点(第一次):\n", centers)
    return centers


def distance(a, b):
    dis = []
    for i in range(len(a)):
        dis.append(pow(a[i] - b[i], 2))
    return sqrt(sum(dis))


def k_center(data_list,center,n_clusters,savePath):
    flag = True
    i = 0
    a=len(data_list[0])-1
    n_clusters=int(n_clusters)
    while flag:
        flag = False
        for i in range(len(data_list)):                      
  • 2
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“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 2
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