聚类--K均值算法:自主实现与sklearn.cluster.KMeans调用
1.用python实现K均值算法
K-means是一个反复迭代的过程,算法分为四个步骤:
(x,k,y)
1) 选取数据空间中的K个对象作为初始中心,每个对象代表一个聚类中心;
def initcenter(x, k): kc
2) 对于样本中的数据对象,根据它们与这些聚类中心的欧氏距离,按距离最近的准则将它们分到距离它们最近的聚类中心(最相似)所对应的类;
def nearest(kc, x[i]): j
def xclassify(x, y, kc):y[i]=j
3) 更新聚类中心:将每个类别中所有对象所对应的均值作为该类别的聚类中心,计算目标函数的值;
def kcmean(x, y, kc, k):
4) 判断聚类中心和目标函数的值是否发生改变,若不变,则输出结果,若改变,则返回2)。
while flag:
y = xclassify(x, y, kc)
kc, flag = kcmean(x, y, kc, k)
代码:
import numpy as np from sklearn.datasets import load_iris iris = load_iris() x = iris.data[:,1] y = np.zeros(150) #1) 选取数据空间中的K个对象作为初始中心,每个对象代表一个聚类中心; def initcenter(x,k):#初始聚类中心 return x[0:k].reshape(k) #2)将各个数据分到距离它们最近的聚类中心(最相似)所对应的类 def nearest(kc,i): #数组中的值,与聚类中心最小距离所在类别的索引号 d=(abs(kc - i)) w=np.where(d==np.min(d)) return w[0][0] #3) 更新聚类中心:将每个类别中所有对象所对应的均值作为该类别的聚类中心,计算目标函数的值; def kcmean(x,y,kc,k): l=list(kc) flag=False for c in range(k): m=np.where(y==c) n=np.mean(x[m]) if l[c]!=n: l[c]=n flag=True #聚类中心发生变化 print(l,flag) return(np.array(l),flag) def xclassify(x,y,kc): for i in range(x.shape[0]): #对数组每个值 y[i]=nearest(kc,x[i]) return y k=3 kc=initcenter(x,k) flag=True print(x,y,kc,flag) while flag: y=xclassify(x,y,kc) kc,flag=kcmean(x,y,kc,k) print(y,kc,type(kc)) print(x,y) import matplotlib.pyplot as plt plt.scatter(x,x,c=y,s=50,cmap='rainbow'); plt.show()
运行结果:
2. 鸢尾花花瓣长度数据做聚类并用散点图显示。
3. 用sklearn.cluster.KMeans,鸢尾花花瓣长度数据做聚类并用散点图显示.
4. 鸢尾花完整数据做聚类并用散点图显示
代码:
#用sklearn.cluster.KMeans,鸢尾花花瓣长度数据做聚类并用散点图显示 import numpy as np from sklearn.cluster import KMeans from sklearn.datasets import load_iris from matplotlib import pyplot as plt iris_data = load_iris() petal_len = iris_data.data[:,2:3] #导入鸢尾花长度数据 petal_len_mean = KMeans(n_clusters = 3) #鸢尾花花瓣长度数据分为3簇 result1=petal_len_mean.fit(petal_len) kc = result1.cluster_centers_ #计算样本中每个数据的分类 y_kmeans1 = petal_len_mean.predict(petal_len) #预测每个数据的聚类索引 plt.scatter(petal_len,np.linspace(1,150,150),c=y_kmeans1,marker='p',cmap='rainbow',linewidths=4) plt.show() # 4. 鸢尾花完整数据做聚类并用散点图显示. data = iris_data.data k_means = KMeans(n_clusters=3) result2 = k_means.fit(data) kc2 = result2.cluster_centers_ y_kmeans2 = k_means.predict(data) print(y_kmeans2, kc2) print(kc2.shape, y_kmeans.shape, x2.shape) pyplot.scatter(x2[:, 0], x2[:, 1], c=y_kmeans2, marker='p', cmap='rainbow', linewidths=4, alpha=0.6) pyplot.show()
运行结果: