k-means++算法分类UCI-HAR数据集

作业让对UCI-HAR数据集进行分类

数据集介绍

        通过智能手机上的传感器收集的运动数据，记录了30名志愿者执行6种不同活动时的动作。每个样本记录了多个时间序列特征，旨在对人类活动进行分类。

• WALKING: 行走
• WALKING_UPSTAIRS: 上楼
• WALKING_DOWNSTAIRS: 下楼
• SITTING: 坐
• STANDING: 站
• LAYING: 躺

K-means++算法简介

        k-means++是k-means聚类算法的一种改进版本，旨在通过优化初始簇心选择来提高聚类性能。k-means++ 算法的核心思想是：通过增加距离来选择初始簇心，从而避免 k-means 传统方法可能出现的局部最优问题。

        虽然现在sklearn库函数直接就能调用k-means++，

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=6, init='k-means++', random_state=42)

        但是从原理来复现也可以

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.metrics import  confusion_matrix, Co