k-means伪代码
Posted wqbin
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k-means伪代码相关的知识,希望对你有一定的参考价值。
1、初始化k个簇中心。
2、更新所有样本点簇归属:样本点到哪个簇中心点最近就属于哪个簇。
3、重新计算每个簇的中心点(直到簇中心点不再变化或达到更新最大次数)
#k-means伪代码 import numpy as np import copy #计算欧氏距离 def get_distance(X,Y): return np.sum((X-Y)**2)**0.5 def calc_mean(X): #计算中心点,每一维取均值 l=len(X[0]) list_mean=[] for i in range(l): s=0 for j in X: s+=j[i] m=s/len(X) list_mean.append(m) return list_mean def k_means(x_train,k,max_iter): num_iter = 0 #初始簇中心 cluster_center = x_train[:k] pre_cluster_center = copy.deep_copy(cluster_center) #上一次的簇中心点 #开始迭代 while num_iter<max_iter: #临时变量 clusters_data= #字典簇下标:坐标 for i in x_train: cluster_dists=[] for index,cluster in enumerate(cluster_center): distance=get_distance(i,cluster) cluster_dists.append((index,distance)) #每个样本到中心点的距离 cluster_dists.sort(key=lambda x:x[1]) #升序 min_index,min_dist=cluster_dists[0] #取距离最近 if min_index not in clusters_data: clusters_data[min_index]=[] clusters_data[min_index].append(i) #数据添加到临时变量中 #更新簇中心点 for index in clusters_data: cluster_center[index]=calc_mean(clusters_data[index]) if pre_cluster_center == cluster_center: break #如果簇中心点不再变化,那么结束 else: pre_cluster_center = copy.deep_copy(cluster_center) #拷贝一下 return cluster_center #返回最终的簇中心点
以上是关于k-means伪代码的主要内容,如果未能解决你的问题,请参考以下文章