在 Python 中使用 K-means 算法

知行编程网 2022-11-24 07:00 知行编程网 | 隐藏边栏 | 3 0

文章评分 0 次，平均分 0.0 ：

导语：本文主要介绍了关于Python中使用K-means算法的相关知识，希望可以帮到处于编程学习途中的小伙伴

K-means 是机器学习中最常用的聚类算法。关于k-means算法的数学原理、算法和伪代码的文献比较多，这里不再赘述。

1、调用以下库

import numpy as np   #用于抽样和生成随机数
from sklearn.cluster import KMeans   #sklearn自带的Kmeans算法, 用于严重本文算法结果是否正确
import matplotlib.pyplot as plt     #结果可视化
import sys   #需要用到sys.exit()函数

若不需要验证聚类结果是否可以不使用Sklearn库。

2、生成用于训练的随机数据

np.set_printoptions(suppress=True)    #令numpy的结果不以科学计数法的方式输出
Data = np.array([[1.0, 2.0], [1.5, 1.8], [3, 4], [6, 8], [8, 8], [1, 0.6],
                 [9, 11], [7, 10]])  #你也可以通过抽样的方式来更快的获得测试数据

3、定义用于选择随机初始点和簇数(k)的函数

def K_means(data, k):
    global Mean
    mean = []
    a = np.max(data[:, 0])
    b = np.min(data[:, 0])
    c = np.max(data[:, 1])
    d = np.min(data[:, 1])
    for i in range(k):
        x = np.random.uniform(a, b, 1)  
        #此处返回array
        y = np.random.uniform(c, d, 1)  #此处返回array
        mean.append([float(x), float(y)])
    Mean = np.array(mean)
    return Mean

在上面的代码中，为了限定初始点(x,y)的位置不会超出样本点的范围，因此均匀抽样的上下限是指训练数据(a,b)和(c,d)的最小横距。

4、定义可视化函数, 绘制测试数据散点图

def vision(data, cell):
    plt.figure(figsize=(12,6))
    ax1 = plt.subplot(121)
    ax1.scatter(Data[:, 0], Data[:, 1])   #原始数据散点图
    ax1.scatter(point[:, 0], point[:, 0])    #同时将随机选取的初始点表示出来
    plt.xlabel("x")
    plt.ylabel("y")
    plt.title("scatter of " + "rural" + " data")
    ax2 = plt.subplot(122)
    ax2.scatter(Data[:, 0], Data[:, 1])    #原始数据散点图
    ax2.scatter(data[:, 0], data[:, 1])     #经过迭代后最终确定的聚类点
    plt.xlabel("x")
    plt.ylabel("y")
    plt.title("scatter of " + cell + " data")
    plt.show()

聚类结果的可视化对于判断聚类结果的准确性至关重要。

5.定义迭代过程，通过不断计算每个样本对聚类点的欧式聚类，不断更新聚类点

def iteration(Data, point):
    A = []
    B = []
    for i in range(len(Data)):
        d1 = np.sqrt(sum(pow(Data[i] - point[0], 2)))
        d2 = np.sqrt(sum(pow(Data[i] - point[1], 2)))
        if d1 > d2:
            A.append(list(Data[i]))
        else:
            B.append(list(Data[i]))
    if len(A) == len(Data) or len(B) == len(Data):
        print("初始化错误")
        sys.exit(0)
    new_x1 = np.mean(np.array(A)[:, 0])
    new_y1 = np.mean(np.array(A)[:, 1])
 
    new_x2 = np.mean(np.array(B)[:, 0])
    new_y2 = np.mean(np.array(B)[:, 1])
    new_point = np.array([[new_x1, new_y1], [new_x2, new_y2]])
    return new_point

注意, 上段代码中加入了一个if语句

    if len(A) == len(Data) or len(B) == len(Data):
        print("初始化错误")
        sys.exit(0)

由于初始点是随机产生的，这个条件语句是非常必要的，所以有可能所有的样本点都只靠近一个簇中心而远离另一个簇中心，这样就无法形成两个簇中心，程序会报错，所以我们需要排除这种情况发生的可能性。一旦所有样本点都接近聚类中心，程序就会停止。

以上就是

Python中使用K-means算法

，希望能对大家有所帮助！

python

本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！

知行编程网关注：1 粉丝：1

这个人很懒，什么都没写

内容反馈

你可能也喜欢

热评文章

联系我们

标签云

推广返利