3-K均值算法
Posted a1120139442
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了3-K均值算法相关的知识,希望对你有一定的参考价值。
1). *自主编写K-means算法 ,以鸢尾花花瓣长度数据做聚类,并用散点图显示
实现代码:
# 1.实现K-Means算法 iris = load_iris() #导入数据 data2 = iris.data[:,1] data = iris.data[:,1].reshape(-1,1) n = len(data) #样本总数 k = 3 #设置中心个数 dist = np.zeros([n, k+1]) #初始化距离矩阵,第k列存放得到的每个样本的类别 center=data[:k].reshape(-1,1) #初始类中心,选取前3个样本作为初始类中心 center_new = np.zeros([k,1]) #新的类中心 while True: for i in range(n): for j in range(k): dist[i,j] = np.sqrt((data[i] - center[j])**2) #计算欧氏距离 dist[i,k] = np.argmin(dist[i,:k]) #根据最近准则进行归类 for i in range(k): index = dist[:, k] == i #判断属于哪一类 center_new[i] = data[index].mean(axis = 0)#求新的类中心 if np.all(center == center_new): #判断新的类中心是否与上一轮的类中心相同,若相同则跳出循环 break else: center = center_new #更新类中心 print(‘150个样本的归类:‘,dist[:, k]) # plt.scatter(data[:,0], data[:,0],c=np.squeeze(dist)) # plt.show()
运行结果:
画图出现了一些问题,后续补充......
2). 用sklearn.cluster.KMeans,鸢尾花花瓣长度数据做聚类,并用散点图显示.
实现代码:
import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.datasets import load_iris iris=load_iris() data=iris.data[:,1]#选取鸢尾花花瓣长度数据 x=data.reshape(-1,1) y=KMeans(n_clusters=3) #构建模型,n_clusters指定中心数为3个 y.fit(x) #训练模型 y_pre=y.predict(x) plt.scatter(x[:,0],x[:,0],c=y_pre) plt.show()
运行结果:
3). 鸢尾花完整数据做聚类并用散点图显示.
实现代码:
import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.datasets import load_iris iris=load_iris() x=iris.data #鸢尾花完整数据 y=KMeans(n_clusters=3) y.fit(x) y_pre=y.predict(x) plt.scatter(x[:,0],x[:,2],c=y_pre) plt.show()
运行结果:
4).想想k均值算法中以用来做什么?
以上是关于3-K均值算法的主要内容,如果未能解决你的问题,请参考以下文章