个人中心
gpt4 book ai didi

K-means聚类算法介绍与利用python实现的代码示例

转载 作者：qq735679552 更新时间：2022-09-28 22:32:09 24 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章K-means聚类算法介绍与利用python实现的代码示例由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

聚类 。

今天说K-means聚类算法，但是必须要先理解聚类和分类的区别，很多业务人员在日常分析时候不是很严谨，混为一谈，其实二者有本质的区别.

分类其实是从特定的数据中挖掘模式，作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中，其实是给每一条邮件打了一个“标签”，这个标签只有两个值，要么是“垃圾”，要么“不是垃圾”，Gmail就会不断研究哪些特点的邮件是垃圾，哪些特点的不是垃圾，形成一些判别的模式，这样当一封信的邮件到来，就可以自动把邮件分到“垃圾”和“不是垃圾”这两个我们人工设定的分类的其中一个.

聚类的的目的也是把数据分类，但是事先我是不知道如何去分的，完全是算法自己来判断各条数据之间的相似性，相似的就放在一起。在聚类的结论出来之前，我完全不知道每一类有什么特点，一定要根据聚类的结果通过人的经验来分析，看看聚成的这一类大概有什么特点.

1、概述 。

k-means是一种非常常见的聚类算法，在处理聚类任务中经常使用。K-means算法是集简单和经典于一身的基于距离的聚类算法 。

采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大.

该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标.

2、核心思想 。

通过迭代寻找k个类簇的一种划分方案，使得用这k个类簇的均值来代表相应各类样本时所得的总体误差最小.

k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开.

k-means算法的基础是最小误差平方和准则.

其代价函数是:

K-means聚类算法介绍与利用python实现的代码示例

式中，μc(i)表示第i个聚类的均值.

各类簇内的样本越相似，其与该类均值间的误差平方越小，对所有类所得到的误差平方求和，即可验证分为k类时，各聚类是否是最优的.

上式的代价函数无法用解析的方法最小化，只能有迭代的方法.

3、算法步骤图解 。

下图展示了对n个样本点进行K-means聚类的效果，这里k取2.

K-means聚类算法介绍与利用python实现的代码示例

4、算法实现步骤 。

k-means算法是将样本聚类成 k个簇（cluster），其中k是用户给定的，其求解过程非常直观简单，具体算法描述如下:

1)随机选取 k个聚类质心点 。

2)重复下面过程直到收敛 { 。

对于每一个样例 i，计算其应该属于的类:

K-means聚类算法介绍与利用python实现的代码示例

对于每一个类 j，重新计算该类的质心:

K-means聚类算法介绍与利用python实现的代码示例

} 。

其伪代码如下:

****************************************************************************** 。

创建k个点作为初始的质心点（随机选择） 。

当任意一个点的簇分配结果发生改变时 。

      对数据集中的每一个数据点 。

          对每一个质心 。

              计算质心与数据点的距离 。

将数据点分配到距离最近的簇 。

对每一个簇，计算簇中所有点的均值，并将均值作为质心 。

******************************************************** 。

5、K-means聚类算法python实战 。

需求:

对给定的数据集进行聚类 。

本案例采用二维数据集，共80个样本，有4个类.

K-means聚类算法介绍与利用python实现的代码示例

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
#!/usr/bin/python
# coding=utf-8
from numpy import *
# 加载数据
def loadDataSet(fileName): # 解析文件，按tab分割字段，得到一个浮点数字类型的矩阵
   dataMat = []       # 文件的最后一个字段是类别标签
   fr = open (fileName)
   for line in fr.readlines():
     curLine = line.strip().split( '\t' )
     fltLine = map ( float , curLine)  # 将每个元素转成float类型
     dataMat.append(fltLine)
   return dataMat
 
# 计算欧几里得距离
def distEclud(vecA, vecB):
   return sqrt( sum (power(vecA - vecB, 2 ))) # 求两个向量之间的距离
 
# 构建聚簇中心，取k个(此例中为4)随机质心
def randCent(dataSet, k):
   n = shape(dataSet)[ 1 ]
   centroids = mat(zeros((k,n)))  # 每个质心有n个坐标值，总共要k个质心
   for j in range (n):
     minJ = min (dataSet[:,j])
     maxJ = max (dataSet[:,j])
     rangeJ = float (maxJ - minJ)
     centroids[:,j] = minJ + rangeJ * random.rand(k, 1 )
   return centroids
 
# k-means 聚类算法
def kMeans(dataSet, k, distMeans = distEclud, createCent = randCent):
   m = shape(dataSet)[ 0 ]
   clusterAssment = mat(zeros((m, 2 )))  # 用于存放该样本属于哪类及质心距离
   # clusterAssment第一列存放该数据所属的中心点，第二列是该数据到中心点的距离
   centroids = createCent(dataSet, k)
   clusterChanged = True  # 用来判断聚类是否已经收敛
   while clusterChanged:
     clusterChanged = False ;
     for i in range (m): # 把每一个数据点划分到离它最近的中心点
       minDist = inf; minIndex = - 1 ;
       for j in range (k):
         distJI = distMeans(centroids[j,:], dataSet[i,:])
         if distJI < minDist:
           minDist = distJI; minIndex = j # 如果第i个数据点到第j个中心点更近，则将i归属为j
       if clusterAssment[i, 0 ] ! = minIndex: clusterChanged = True ; # 如果分配发生变化，则需要继续迭代
       clusterAssment[i,:] = minIndex,minDist * * 2  # 并将第i个数据点的分配情况存入字典
     print centroids
     for cent in range (k):  # 重新计算中心点
       ptsInClust = dataSet[nonzero(clusterAssment[:, 0 ].A = = cent)[ 0 ]]  # 去第一列等于cent的所有列
       centroids[cent,:] = mean(ptsInClust, axis = 0 ) # 算出这些数据的中心点
   return centroids, clusterAssment
# --------------------测试----------------------------------------------------
# 用测试数据及测试kmeans算法
datMat = mat(loadDataSet( 'testSet.txt' ))
myCentroids,clustAssing = kMeans(datMat, 4 )
print myCentroids
print clustAssing

运行结果:

K-means聚类算法介绍与利用python实现的代码示例

6、K-means算法补充 。

K-means算法的缺点及改进方法 。

（1）k值的选择是用户指定的，不同的k得到的结果会有挺大的不同，如下图所示，左边是k=3的结果，这个就太稀疏了，蓝色的那个簇其实是可以再划分成两个簇的。而右图是k=5的结果，可以看到红色菱形和蓝色菱形这两个簇应该是可以合并成一个簇的:

改进:

对k的选择可以先用一些算法分析数据的分布，如重心和密度等，然后选择合适的k 。

K-means聚类算法介绍与利用python实现的代码示例

（2）对k个初始质心的选择比较敏感，容易陷入局部最小值。例如，我们上面的算法运行的时候，有可能会得到不同的结果，如下面这两种情况。K-means也是收敛了，只是收敛到了局部最小值:

改进:

有人提出了另一个成为二分k均值（bisecting k-means）算法，它对初始的k个质心的选择就不太敏感 。

K-means聚类算法介绍与利用python实现的代码示例

（3）存在局限性，如下面这种非球状的数据分布就搞不定了:

K-means聚类算法介绍与利用python实现的代码示例

（4）数据集比较大的时候，收敛会比较慢.

总结 。

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对我的支持.

原文链接：https://www.cnblogs.com/ahu-lichang/p/7161613.html 。

最后此篇关于K-means聚类算法介绍与利用python实现的代码示例的文章就讲到这里了,如果你想了解更多关于K-means聚类算法介绍与利用python实现的代码示例的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

24 4 0
文章推荐： python、java等哪一门编程语言适合人工智能？
文章推荐： 3元购买1个月腾讯视频会员 京东618学生认证用户专享
文章推荐： nginx下/index.html到/的301重定向
文章推荐： python通过opencv实现批量剪切图片
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com