继续浏览精彩内容
慕课网APP
程序员的梦工厂
打开
继续
感谢您的支持,我会继续努力的
赞赏金额会直接到老师账户
将二维码发送给自己后长按识别
微信支付
支付宝支付

python 聚类分析实战案例:K-means算法(原理源码)

慕斯卡3302699
关注TA
已关注
手记 271
粉丝 58
获赞 314

K-means算法:

https://img1.mukewang.com/5b3e02170001cfca10920366.jpg
关于步骤:参考之前的博客
关于代码与数据:暂时整理代码如下:后期会附上github地址,上传原始数据与代码完整版,
https://img2.mukewang.com/5b3e022800018a4702930573.jpg

各种聚类算法的对比:参考连接

Kmeans算法的缺陷

1.聚类中心的个数K 需要事先给定,但在实际中这个 K 值的选定是非常难以估计的,很多时候,事先并不知道给定的数据集应该分成多少个类别才最合适
2.Kmeans需要人为地确定初始聚类中心,不同的初始聚类中心可能导致完全不同的聚类结果。

#!usr/bin/env python#_*_ coding:utf-8 _*_import randomimport math'''
kMeans:2列数据对比,带有head
'''#1.load datadef importData():
   f = lambda name,b,d: [name, float(b), float(d)]   with open('birth-death-rates.csv', 'r') as inputFile:          return [f(*line.strip().split('\t')) for line in inputFile]

写入文件类型
https://img1.mukewang.com/5b3e02370001d8ce05100337.jpg
#2. calculate Distance

def euclideanDistance(x,y):
    return math.sqrt(sum([(a-b)**2 for (a,b) in zip(x,y)]))#L=points,def partition(points, k, means, d=euclideanDistance):
   # print('means={}'.format(means))
   thePartition = [[] for _ in means]  # list of k empty lists

   indices = range(k)   # print('indices={}'.format(indices))

   for x in points:      #index为indices索引,调用d函数,计算每个值与聚类中心的距离,将其分类
      closestIndex = min(indices, key=lambda index: d(x, means[index]))#实现X与每个Y直接的求解:key=lambda index: d(x, means[index])

      thePartition[closestIndex].append(x)   return thePartition

https://img.mukewang.com/5b3e024c0001d03b10390530.jpg

#3.寻找收敛点def mean(points):
   ''' assume the entries of the list of points are tuples;
       e.g. (3,4) or (6,3,1). '''

   n = len(points)   # print(tuple(float(sum(x)) / n for x in zip(*points)))   #*points将【[1,2],[2,3]】分割出来【1,2】
   return tuple(float(sum(x)) / n for x in zip(*points))  #将最开始的[[4, 1], [1, 5]] 经过处理变成[(4, 1),(1, 5)]def kMeans(points, k, initialMeans, d=euclideanDistance):
   oldPartition = []
   newPartition = partition(points, k, initialMeans, d)   while oldPartition != newPartition:
      oldPartition = newPartition
      newMeans = [mean(S) for S in oldPartition]
      newPartition = partition(points, k, newMeans, d)   return newPartition

#0.函数调用初始中心点

if __name__ == "__main__":
   L = [x[1:] for x in importData()] # remove names
   # print (str(L).replace('[','{').replace(']', '}'))
   import matplotlib.pyplot as plt   '''
   plt.scatter(*zip(*L))
   plt.show()
   '''
   import random
   k = 3
   partition = kMeans(L, k, random.sample(L, k))  #L是集合,K分类个数,random.sample(L, k)中心点
   plt.scatter(*zip(*partition[0]), c='b')#[[],[],[]]
   plt.scatter(*zip(*partition[1]), c='r')
   plt.scatter(*zip(*partition[2]), c='g')
   plt.show()

https://img1.mukewang.com/5b3e025b0001a70106400476.jpg


打开App,阅读手记
0人推荐
发表评论
随时随地看视频慕课网APP