这篇教程利用python实现聚类分析K-means算法的详细过程写得很实用，希望能帮到您。
K-means算法介绍 K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。  算法过程如下：1）从N个文档随机选取K个文档作为中心点； 2）对剩余的每个文档测量其到每个中心点的距离，并把它归到最近的质心的类； 3）重新计算已经得到的各个类的中心点； 4）迭代2～3步直至新的质心与原质心相等或小于指定阈值，算法结束。 算法优缺点：优点： 缺点： - 需要指定聚类 数量K
- 对异常值敏感
- 对初始值敏感代码实现：
首先我们随机生成200个点，就取（0,2000）之间的，并确定质心个数，这里就取个3个质心，也是随机生成（可以根据需求改变）如下： import randomimport matplotlib.pyplot as plt random_x = [random.randint(0,2000) for _ in range(200)]random_y = [random.randint(0,2000) for _ in range(200)]random_poinsts = [(x, y) for x, y in zip(random_x, random_y)] def generate_random_point(min_,max_): return random.randint(min_,max_),random.randint(min_,max_)k1,k2,k3 = generate_random_point(-100,100),generate_random_point(-100,100),generate_random_point(-100,100) plt.scatter(k1[0],k1[1],color = 'red',s=100)plt.scatter(k2[0],k2[1],color = 'blue',s=100)plt.scatter(k3[0],k3[1],color = 'green',s=100)plt.scatter(random_x,random_y) 结果如下：  接着导入numpy，来计算各个点与质心的距离，并根据每个点与质心的距离分类，与第一个点近则分配在列表的第一个位置，离第二个近则分配到第二个位置，以此类推，如下 import numpy as npdef dis(p1,p2): #这里的p1,p2是一个列表[number1,number2] 距离计算 return np.sqrt((p1[0] - p2[0])**2 + (p1[1]-p2[1])**2)random_poinsts = [(x, y) for x, y in zip(random_x, random_y)] #将100个随机点塞进列表groups = [[],[],[]] #100个点分成三类for p in random_poinsts: #k1,k2,k3是随机生成的三个点 distances = [dis(p,k) for k in [k1,k2,k3]] min_index = np.argmin(distances)#取距离最近质心的下标 groups[min_index].append(p)groups 结果如下：[[(1000, 867), (1308, 840), (1999, 1598), (1606, 1289), (1324, 1044), (780, 923), (1915, 788), (443, 980), (687, 908), (1763, 1039), (1687, 1372), (1932, 1759), (1274, 739), (939, 1302), (790, 1169), (1776, 1572), (1637, 1042),.... 可以看到，这200个点根据与三个质心的距离远近不同，已经被分成了三类，此时groups里面有三个列表，这三个列表里分别是分配给三个质心的点的位置，接着我们将其可视化，并且加入循环来迭代以此找到相对最优的质点，代码如下： previous_kernels = [k1,k2,k3]circle_number = 10for n in range(circle_number): plt.close() #将之前的生成的图片关闭 kernel_colors = ['red','yellow','green'] new_kernels =[] plt.scatter(previous_kernels[0][0],previous_kernels[0][1],color = kernel_colors[0],s=200) plt.scatter(previous_kernels[1][0],previous_kernels[1][1],color = kernel_colors[1],s=200) plt.scatter(previous_kernels[2][0],previous_kernels[2][1],color = kernel_colors[2],s=200) groups = [[],[],[]] #100个点分成三类 for p in random_poinsts: #k1,k2,k3是随机生成的三个点 distances = [dis(p,k) for k in previous_kernels] min_index = np.argmin(distances)#取距离最近质心的下标 groups[min_index].append(p) print('第{}次'.format(n+1)) for i,g in enumerate(groups): g_x = [_x for _x,_y in g] g_y = [_y for _x,_y in g] n_k_x,n_k_y = np.mean(g_x),np.mean(g_y) new_kernels.append([n_k_x,n_k_y]) print('三个点之前的质心和现在的质心距离：{}'.format(dis(previous_kernels[i],[n_k_x,n_k_y]))) plt.scatter(g_x,g_y,color = kernel_colors[i]) plt.scatter(n_k_x,n_k_y,color = kernel_colors[i],alpha= 0.5,s=200) previous_kernels = new_kernels 结果如下：第1次三个点之前的质心和现在的质心距离：344.046783724601三个点之前的质心和现在的质心距离：178.67567512699137三个点之前的质心和现在的质心距离：85.51258602308063第2次三个点之前的质心和现在的质心距离：223.75162213961798三个点之前的质心和现在的质心距离：41.23571511332308三个点之前的质心和现在的质心距离：132.0752155320645第3次三个点之前的质心和现在的质心距离：87.82012730359548三个点之前的质心和现在的质心距离：22.289121504444285三个点之前的质心和现在的质心距离：33.55374236991017第4次三个点之前的质心和现在的质心距离：50.94506045880864三个点之前的质心和现在的质心距离：25.754704854433683三个点之前的质心和现在的质心距离：23.145028187286528第5次三个点之前的质心和现在的质心距离：66.35519842692533三个点之前的质心和现在的质心距离：31.90944410706013三个点之前的质心和现在的质心距离：36.247409926389686第6次三个点之前的质心和现在的质心距离：46.17069651194525三个点之前的质心和现在的质心距离：15.076857795406966三个点之前的质心和现在的质心距离：42.59620276776667第7次三个点之前的质心和现在的质心距离：36.7751709217284三个点之前的质心和现在的质心距离：15.873333735074496三个点之前的质心和现在的质心距离：23.469882661161705第8次三个点之前的质心和现在的质心距离：0.0三个点之前的质心和现在的质心距离：0.0三个点之前的质心和现在的质心距离：0.0第9次三个点之前的质心和现在的质心距离：0.0三个点之前的质心和现在的质心距离：0.0三个点之前的质心和现在的质心距离：0.0第10次三个点之前的质心和现在的质心距离：0.0三个点之前的质心和现在的质心距离：0.0三个点之前的质心和现在的质心距离：0.0 这里设置了总共迭代10次，可以看到在迭代到第八次的时候就找到了最优的质点，如图所示：  那么，以上就是对于k-means算法的一个简单实现，如果有任何问题，欢迎留言。 到此这篇关于利用python实现聚类分析 - K-means的文章就介绍到这了,更多相关python K-means聚类分析内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
巧妙使用Python装饰器处理if...elif...else
python数据分析之聚类分析(cluster analysis) |
