什么是K-means?
K-means是一种聚类算法,它通过将数据集分成K个簇来聚类数据。在K-means算法中,每个簇由其质心(即簇中所有点的平均值)表示,算法通过迭代优化簇的质心来聚类数据。
K-means算法的步骤如下:
- 随机选择K个质心。
- 将每个数据点分配到最近的质心所在的簇。
- 计算每个簇的新质心。
- 重复步骤2和3,直到质心不再改变或达到最大迭代次数。
K-means算法中的K代表簇的数量,通常需要事先设定好。K的选择对聚类结果有重要影响。另外,K-means算法对初始质心的选择敏感,不同的质心可能会导致不同的聚类结果。
代码示例:
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
# 生成随机数据
data = np.random.rand(200, 2)
# 初始化KMeans模型,指定聚类数为4
kmeans = KMeans(n_clusters=4)
# 训练模型并预测聚类结果
labels = kmeans.fit_predict(data)
# 可视化聚类结果
plt.scatter(data[:, 0], data[:, 1], c=labels)
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='*', s=200, c='r')
plt.show()
在K-means算法中,距离度量的选择会影响聚类结果。通常使用的距离度量包括欧几里得距离、曼哈顿距离等。如果你想更换距离度量,可以通过修改KMeans类的构造函数来实现。如:metric='manhattan',metric='euclidean',metric='chebyshev'。