面试手撕代码-k-means算法

最新推荐文章于 2024-07-24 17:40:19 发布

jiao_xd17

最新推荐文章于 2024-07-24 17:40:19 发布

阅读量1.5k

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/xujiao1179/article/details/99977101

版权

本文将介绍如何在[0,10]范围内随机生成10个点，并使用k-means算法进行聚类分析。按照算法步骤，首先随机选择2个点作为初始簇中心，然后遍历样本点将其分配到最近的簇，接着计算代价函数并进行迭代，直到代价函数收敛。这是一个简单的k-means模型实现过程。" 109849655,8729717,Python代码转流程图,"['Python开发', '代码解析', '流程图工具']

摘要由CSDN通过智能技术生成

要求：

随机生成x,y均在[0,10]范围内的10个点，k=2,训练一个简单的k-means模型。

K均值算法步骤如下：

1.在训练样本点中随机初始化[0,10]范围内的k个样本点作为k个簇各自的中心；

2.遍历一遍所有样本点，将每一个样本点分配到最近的簇中心，得到clusterDict。clusterDict的键为centroidList的下标，键值为属于该类的所有样本点。

3.计算第一次聚类迭代得到的结果的代价函数，即每一个样本点到其簇中心的距离的平方和newVar。令oldVar = -1

4.开始迭代，直到代价函数收敛(newVar-oldVar<=0.00001)：

*对于计算每一类样本的均值，作为新的簇中心

*遍历一遍所有样本点，将每一个样本点分配到最近的簇中心。

import numpy as np
import matplotlib.pyplot as plt

def getCentroids(clusterDict):
    # 得到k个质心
    centroidList = []
    for key in clusterDict.keys():
        centroid = np.mean(clusterDict[key], axis=0)  # 计算每列的均值，即找到质心
        centroidList.append(centroid)
    return np.array(centroidList).tolist()

def getVar(clusterDict,centroidList):
    #