python实现模糊C均值聚类算法（Fuzzy-C-Means）-基于iris数据集

最新推荐文章于 2025-07-01 15:44:20 发布

zwqsir

最新推荐文章于 2025-07-01 15:44:20 发布

阅读量2.7w

点赞数 12

CC 4.0 BY-SA版权

分类专栏：模糊C均值文章标签： python 机器学习模糊C均值聚类

本文链接：https://blog.csdn.net/zwqhehe/article/details/75174918

本文使用Python实现了模糊C均值聚类算法(Fuzzy-C-Means)，数据集为鸢尾花数据。首先导入所需库，然后格式化数据，接着随机化数据并进行聚类中心的计算。通过不断迭代更新隶属度矩阵U，直到满足结束条件。最后，将聚类结果与真实结果进行对比，评估算法准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# python3模糊C均值聚类算法，数据集为iris，放在和代码同一目录即可。算法原理及步骤参考：https://wenku.baidu.com/view/ee968c00eff9aef8941e06a2.html

import copy
import math
import random
import time
import sys
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import decimal


# 用于初始化隶属度矩阵U
global MAX
MAX = 10000.0
# 用于结束条件
global Epsilon
Epsilon = 0.00000001

def import_data_format_iris(file):
	""" 
	格式化数据，前四列为data，最后一列为cluster_location
	数据地址 http://archive.ics.uci.edu/ml/machine-learning-databases/iris/
	"""
	data = []
	cluster_location =[]
	with open(str(file), 'r') as f:
		for line in f:
			current = line.strip().split(",")
			current_dummy = []
			for j in range(0, len(current)-1):
				current_dummy.append(float(current[j]))
			j += 1 
			if  current[j] == "Iris-setosa\n":
				cluster_location.append(0)
			elif current[j] == "Iris-versicolor\n":
				cluster_location.append(1)
			else:
				cluster_location.append(2)