Python实现K-means聚类算法，只使用python中的pandas和numpy库

清风一起

已于 2024-07-16 23:03:48 修改

阅读量265

点赞数 5

分类专栏：机器学习算法python实现数据分析文章标签：算法 python 聚类

于 2024-07-14 23:05:10 首次发布

本文链接：https://blog.csdn.net/weixin_54044641/article/details/140424699

版权

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言
一、k-means介绍
二、Python实现k-means算法代码实现
总结

前言

只使用最基础的python语言，只是用Numpy,Matplotlib 基础的库包去实现机器学习算法，有助于读者理解各机器学习算法的原理，以及算法实现的整个步骤。这期带来K-means聚类算法的实现。

一、k-means介绍

k-means是一种最流行的聚类算法，属于无监督学习，可以在数据集分为相似的组（簇），使得组内数据相似度较高，组间之间的相似度较低。

k-means算法的步骤：

从样本中选择k个点作为初始簇中心。
计算每一个样本到各个簇中心的距离，将样本划分到距离最近的簇中心所对应的簇中
根据每个簇中的所有样本，重新计算簇中心，并更新
重复步骤2与3，直到簇中心的位置变化小于指定的阈值或者达到最大迭代次数为止

二、Python实现k-means算法代码实现

1.引入库

import numpy as np
import pandas as pd

2.读入数据

data = pd.read_csv("order.csv")
data.head()

数据来源链接：找到order.csv然后下载

在这里插入图片描述

t = data.iloc[:,-8:]
t.head()

在这里插入图片描述

3.创建Python类实现K-means算法

class KMeans:
    """
    使用python语言实现聚类算法
    """
    def __init__(self,k,times):
        """
        初始化方法
        
        Parameter
        ----
        k:int
        聚类个数
        times:int
        聚类迭代次数
        
        """
        self.k = k
        self.times = times
    def fit(self,X):
        """
        根据提供的训练数据，对模型进行训练
        
        Parameter
        ----
        X:类数组类型，形状为：[样本数量，特征数量]
        
        """
        X = np.asarray(X)
        #设置随机种子，以便可以产生相同的随机序列。（随机的结果可以重现）
        np.random.seed(0)
        self.cluster_centers_ = X