数据挖掘十大经典算法之二:K-means
2016-07-31 14:41
471 查看
概念和原理
k-means是无监督聚类算法,主要是根据样本的相似度或者样本之间的距离进行自动分类。首先,初始化聚类中心,可以随机选择K个样本,也可以固定选择其中的k个样本作为初始化的聚类中心。
其次,计算各样本到所有的聚类中心的相似度(此处用距离表示),将样本分到与聚类中心相似的最大即距离最小的中心所在的类中。
再次,更新聚类中心,可以通过样本的平均值计算
最后,循环迭代,直至满足停止条件。
Code
import numpy as np from operator import itemgetter def loadData(filename): dataset = [] file = open(filename) for line in file.readlines(): dataset.append(map(float,line.strip().split('\t'))) return np.array(dataset) def computeDistence(dataset,centre): return np.sqrt(((dataset-centre)**2).sum(axis=1)) def computeCentre(dataset,k): n = dataset.shape[1] centreSet = np.zeros((k,n)) minvalue = dataset.min(axis=0) maxvalue = dataset.max(axis=0) chageRange = maxvalue-minvalue centreSet = minvalue + chageRange*np.random.rand(k,2) return centreSet def kmeans(dataset,k): m = dataset.shape[0] clusterResult = np.zeros((m,3)) centres =computeCentre(dataset,k) clusterChanged = True while clusterChanged: clusterChanged=False for i in range(m): distence = computeDistence(dataset[i],centres) indexes, sortedDistence = zip(*sorted(enumerate(distence), key=itemgetter(1))) if(clusterResult[i,1] !=indexes[0]): clusterChanged = True clusterResult[i,:] = i,indexes[0],sortedDistence[0] for i in range(k): tmp = dataset[np.array((clusterResult[clusterResult[:,1] == i])[:,0]).astype(np.int32)] meanvalue = np.mean(tmp,axis=0) centres[i,:] = np.mean(tmp,axis=0) return centres,clusterResult def main(): dataset = loadData('testSet.txt') centres = computeCentre(dataset,4) centres,clusterResult = kmeans(dataset,4) if __name__ == '__main__': main()
相关文章推荐
- 数据挖掘十大经典算法学习之K均值(K-means)聚类算法
- 【十大经典数据挖掘算法】k-means
- 数据挖掘十大经典算法
- 转载 数据挖掘十大经典算法(3) Support vector machines
- 数据挖掘十大经典算法(2) The k-means algorithm
- 数据挖掘十大经典算法(7) AdaBoost
- 数据挖掘十大经典算法(6) PageRank
- 数据挖掘领域十大经典算法初探
- 数据挖掘十大经典算法
- (转)数据挖掘十大经典算法
- 数据挖掘十大经典算法
- 数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes
- 转载 数据挖掘十大经典算法(1) C4.5
- 数据挖掘十大经典算法
- 转载 数据挖掘十大经典算法(4) The Apriori algorithm
- 数据挖掘十大经典算法(1) C4.5
- 转载 数据挖掘十大经典算法(2) The k-means algorithm
- 数据挖掘十大经典算法 SVM入门
- 数据挖掘十大经典算法(4) The Apriori algorithm
- 数据挖掘十大经典算法(10) CART: 分类与回归树