本文為大家分享了Python機(jī)器學(xué)習(xí)之K-Means聚類的實現(xiàn)代碼，供大家參考，具體內(nèi)容如下

創(chuàng)新互聯(lián)公司主要從事網(wǎng)頁設(shè)計、PC網(wǎng)站建設(shè)（電腦版網(wǎng)站建設(shè)）、wap網(wǎng)站建設(shè)（手機(jī)版網(wǎng)站建設(shè)）、響應(yīng)式網(wǎng)站開發(fā)、程序開發(fā)、網(wǎng)站優(yōu)化、微網(wǎng)站、小程序制作等，憑借多年來在互聯(lián)網(wǎng)的打拼，我們在互聯(lián)網(wǎng)網(wǎng)站建設(shè)行業(yè)積累了豐富的成都網(wǎng)站建設(shè)、做網(wǎng)站、網(wǎng)站設(shè)計、網(wǎng)絡(luò)營銷經(jīng)驗，集策劃、開發(fā)、設(shè)計、營銷、管理等多方位專業(yè)化運作于一體。

1.K-Means聚類原理

K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評價指標(biāo)，即認(rèn)為兩個對象的距離越近，其相似度就越大。其基本思想是：以空間中k個點為中心進(jìn)行聚類，對最靠近他們的對象歸類。通過迭代的方法，逐次更新各聚類中心的值，直至得到最好的聚類結(jié)果。各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開。
算法大致流程為：（1）隨機(jī)選取k個點作為種子點(這k個點不一定屬于數(shù)據(jù)集)；（2）分別計算每個數(shù)據(jù)點到k個種子點的距離，離哪個種子點最近，就屬于哪類；（3）重新計算k個種子點的坐標(biāo)(簡單常用的方法是求坐標(biāo)值的平均值作為新的坐標(biāo)值；（4）重復(fù)2、3步，直到種子點坐標(biāo)不變或者循環(huán)次數(shù)完成。

2.數(shù)據(jù)及其尋找初步的聚類中心

數(shù)據(jù)為Matlab加載格式（mat），包含X變量，數(shù)據(jù)來源為（大家可以去這下載），X為300*2維變量，由于是2維，所以基本上就是在平面坐標(biāo)軸上的一些點中進(jìn)行聚類。

我們首先構(gòu)建初步尋找聚類中心（centroids，質(zhì)心）函數(shù)，再隨機(jī)設(shè)置初始質(zhì)心，通過歐氏距離初步判斷X的每一個變量屬于哪個質(zhì)心。代碼為：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sb
from scipy.io import loadmat

def find_closest_centroids(X, centroids):
  m = X.shape[0]
  k = centroids.shape[0] #要聚類的類別個數(shù)
  idx = np.zeros(m) 
  
  for i in range(m):
    min_dist = 1000000 #迭代終止條件
    for j in range(k):
      dist = np.sum((X[i,:] - centroids[j,:]) ** 2) 
      if dist < min_dist:
        # 記錄當(dāng)前最短距離和其中心的索引值
        min_dist = dist
        idx[i] = j
  
  return idx
data = loadmat('D:\python\Python ml\ex7data2.mat')
X = data['X']
initial_centroids = np.array([[3, 3], [6, 2], [8, 5]])

idx = find_closest_centroids(X, initial_centroids)
idx[0:3]

本文題目：Python機(jī)器學(xué)習(xí)之K-Means聚類實現(xiàn)詳解-創(chuàng)新互聯(lián)
文章網(wǎng)址：http://www.rwnh.cn/article48/djpihp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供自適應(yīng)網(wǎng)站、云服務(wù)器、網(wǎng)頁設(shè)計公司、標(biāo)簽優(yōu)化、網(wǎng)站導(dǎo)航、品牌網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)