快捷導(dǎo)航

k-means 聚類算法與Python實(shí)現(xiàn)代碼

更新時(shí)間：2020年06月01日 14:25:47 作者：FrancoLiang

這篇文章主要介紹了k-means 聚類算法與Python實(shí)現(xiàn)代碼,本文通過示例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

k-means 聚類算法思想先隨機(jī)選擇k個(gè)聚類中心，把集合里的元素與最近的聚類中心聚為一類，得到一次聚類，再把每一個(gè)類的均值作為新的聚類中心重新聚類，迭代n次得到最終結(jié)果分步解析

一、初始化聚類中心

首先隨機(jī)選擇集合里的一個(gè)元素作為第一個(gè)聚類中心放入容器，選擇距離第一個(gè)聚類中心最遠(yuǎn)的一個(gè)元素作為第二個(gè)聚類中心放入容器，第三、四、、、N個(gè)同理，為了優(yōu)化可以選擇距離開方做為評判標(biāo)準(zhǔn)

二、迭代聚類

依次把集合里的元素與距離最近的聚類中心分為一類，放到對應(yīng)該聚類中心的新的容器，一次聚類完成后求出新容器里個(gè)類的均值，對該類對應(yīng)的聚類中心進(jìn)行更新，再次進(jìn)行聚類操作，迭代n次得到理想的結(jié)果

三、可視化展示

利用 python 第三方庫中的可視化工具 matplotlib.pyplot 對聚類后的元素顯示（散點(diǎn)圖），方便查看結(jié)果

python代碼實(shí)現(xiàn)

import numpy as np
import matplotlib.pyplot as plt

# 兩點(diǎn)距離
def distance(e1, e2):
  return np.sqrt((e1[0]-e2[0])**2+(e1[1]-e2[1])**2)

# 集合中心
def means(arr):
  return np.array([np.mean([e[0] for e in arr]), np.mean([e[1] for e in arr])])

# arr中距離a最遠(yuǎn)的元素，用于初始化聚類中心
def farthest(k_arr, arr):
  f = [0, 0]
  max_d = 0
  for e in arr:
    d = 0
    for i in range(k_arr.__len__()):
      d = d + np.sqrt(distance(k_arr[i], e))
    if d > max_d:
      max_d = d
      f = e
  return f

# arr中距離a最近的元素，用于聚類
def closest(a, arr):
  c = arr[1]
  min_d = distance(a, arr[1])
  arr = arr[1:]
  for e in arr:
    d = distance(a, e)
    if d < min_d:
      min_d = d
      c = e
  return c


if __name__=="__main__":
  ## 生成二維隨機(jī)坐標(biāo)（如果有數(shù)據(jù)集就更好）
  arr = np.random.randint(100, size=(100, 1, 2))[:, 0, :]

  ## 初始化聚類中心和聚類容器
  m = 5
  r = np.random.randint(arr.__len__() - 1)
  k_arr = np.array([arr[r]])
  cla_arr = [[]]
  for i in range(m-1):
    k = farthest(k_arr, arr)
    k_arr = np.concatenate([k_arr, np.array([k])])
    cla_arr.append([])

  ## 迭代聚類
  n = 20
  cla_temp = cla_arr
  for i in range(n):  # 迭代n次
    for e in arr:  # 把集合里每一個(gè)元素聚到最近的類
      ki = 0    # 假定距離第一個(gè)中心最近
      min_d = distance(e, k_arr[ki])
      for j in range(1, k_arr.__len__()):
        if distance(e, k_arr[j]) < min_d:  # 找到更近的聚類中心
          min_d = distance(e, k_arr[j])
          ki = j
      cla_temp[ki].append(e)
    # 迭代更新聚類中心
    for k in range(k_arr.__len__()):
      if n - 1 == i:
        break
      k_arr[k] = means(cla_temp[k])
      cla_temp[k] = []

  ## 可視化展示
  col = ['HotPink', 'Aqua', 'Chartreuse', 'yellow', 'LightSalmon']
  for i in range(m):
    plt.scatter(k_arr[i][0], k_arr[i][1], linewidth=10, color=col[i])
    plt.scatter([e[0] for e in cla_temp[i]], [e[1] for e in cla_temp[i]], color=col[i])
  plt.show()

結(jié)果展示

聚m=5類, 迭代n=20次