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)

import numpy as np

x=np.random.randint(1,100,[20,1])
y=np.zeros(20)
k=3

def initcent(x,k):   #初始聚类中心数组
    return x[0:k].reshape(k)
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]
def xclassify(x,y,kc):
    for i in range(x.shape[0]):   #对数组的每个值分类
        y[i]=nearest(kc,x[i])
    return y
def kcmean(x,y,kc,k):    #计算各聚类新均值
    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
    return(np.array(l),flag)
kc = initcent(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)

　　

2. 鸢尾花花瓣长度数据做聚类并用散点图显示。

import matplotlib.pyplot as plt
plt.scatter(x, x, c=x, s=50, cmap="rainbow");
plt.show()

　　

3. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类并用散点图显示.

 

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
# 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类并用散点图显示.
data=load_iris()
data_length=data['data'][:,2:3]#取出鸢尾花花瓣的长度
x=data_length
#y=np.zeros(x.shape[0])
k1=KMeans(n_clusters=3)#将其类别分为3类
k1.fit(x)
kc1=k1.cluster_centers_
y_kmeans=k1.predict(x)##预测每个样本的聚类索引
print(y_kmeans,kc1)
plt.scatter(x,np.linspace(1,150,150),c=y_kmeans,marker='x',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=load_iris()
x2=data.data
k2=KMeans(n_clusters=3)#将其类别分为3类
k2.fit(x2)
kc2=k2.cluster_centers_
y_kmeans2=k2.predict(x2)##预测每个样本的聚类索引
print(y_kmeans2,kc2,len(y_kmeans2))
plt.scatter(x2[:,0],x2[:,1],c=y_kmeans2,marker='p',cmap='rainbow',linewidths=4)
plt.show()