利用python实现聚类分析K-means算法的详细过程
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。
&nb编程客栈sp;
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:
- 原理简单
- 速度快
- 对大数据集有比较好的伸缩性
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 random import 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,khttp://www.cppcns.com3 = 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:
&nvOjDwNSLQqbsp;
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 np def 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,http://www.cppcns.com 1572), (1637, 1042), ....www.cppcns.com
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 = 10 for 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我们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我们!
精彩评论