背景知识
K-means聚类算法是一种流行于数据挖掘领域的无监督学习算法。K-means聚类算法的目的是:把已知的 n个点划分到k个聚类中,使得每个点都属于离它最近的点(聚类中心)对应的聚类。
在完成该算法的过程中,找到k个聚类中心是关键。
算法介绍
我们先介绍几个基本概念:
簇:数据点的集合,每一个簇中的对象是相似的。
质心:簇中所有点的中心(由计算所有点坐标的均值可得)。
比如在这幅图中,我们根据点的不同形状,将平面上的点用蓝线分为4个区域。每个区域可以看成是一个簇,并且易见每个区域内的对象(点)是相似的。
在K-means算法中,我们把属于同一个聚类中心的所有数据点所形成的集合,称为簇。
算法流程
伪代码:
随机确定k个点作为起始的聚类中心
while(任意一个点的簇分配结果发生变化)
对数据集中的每一个点
每一个聚类中心
计算点到聚类中心的距离
将点分配给距离最短的聚类中心
对每个簇,计算簇中的质心,并将该质心作为新的聚类中心
算法实现
from numpy import *
from math import *
加载文本数据的函数
def load(filename): #加载文本数据
data=[]
fr=open(filename)
for line in fr.readlines():
curline=line.strip().split('\t')
f=list(