這篇文章主要介紹了Python聚類算法之基本K均值運算技巧,結合實例形式較為詳細的分析了基本K均值的原理與相關實現技巧,具有一定參考借鑒價值,需要的朋友可以參考下

本文實例講述了Python聚類算法之基本K均值運算技巧。分享給大家供大家參考，具體如下：

基本K均值

：選擇 K 個初始質心，其中 K 是用戶指定的參數，即所期望的簇的個數。每次循環中，每個點被指派到最近的質心，指派到同一個質心的點集構成一個。然后，根據指派到簇的點，更新每個簇的質心。重復指派和更新操作，直到質心不發生明顯的變化。

1. # scoding=utf-8 
2. import pylab as pl 
3. points = [[int(eachpoint.split("#")[0]), int(eachpoint.split("#")[1])] for eachpoint in open("points","r")] 
4. # 指定三個初始質心 
5. currentCenter1 = [20,190]; currentCenter2 = [120,90]; currentCenter3 = [170,140] 
6. pl.plot([currentCenter1[0]], [currentCenter1[1]],'ok') 
7. pl.plot([currentCenter2[0]], [currentCenter2[1]],'ok') 
8. pl.plot([currentCenter3[0]], [currentCenter3[1]],'ok') 
9. # 記錄每次迭代后每個簇的質心的更新軌跡 
10. center1 = [currentCenter1]; center2 = [currentCenter2]; center3 = [currentCenter3] 
11. # 三個簇 
12. group1 = []; group2 = []; group3 = [] 
13. for runtime in range(50): 
14. group1 = []; group2 = []; group3 = [] 
15. for eachpoint in points: 
16. # 計算每個點到三個質心的距離 
17. distance1 = pow(abs(eachpoint[0]-currentCenter1[0]),2) + pow(abs(eachpoint[1]-currentCenter1[1]),2) 
18. distance2 = pow(abs(eachpoint[0]-currentCenter2[0]),2) + pow(abs(eachpoint[1]-currentCenter2[1]),2) 
19. distance3 = pow(abs(eachpoint[0]-currentCenter3[0]),2) + pow(abs(eachpoint[1]-currentCenter3[1]),2) 
20. # 將該點指派到離它最近的質心所在的簇 
21. mindis = min(distance1,distance2,distance3) 
22. if(mindis == distance1): 
23. group1.append(eachpoint) 
24. elif(mindis == distance2): 
25. group2.append(eachpoint) 
26. else: 
27. group3.append(eachpoint) 
28. # 指派完所有的點后，更新每個簇的質心 
29. currentCenter1 = [sum([eachpoint[0] for eachpoint in group1])/len(group1),sum([eachpoint[1] for eachpoint in group1])/len(group1)] 
30. currentCenter2 = [sum([eachpoint[0] for eachpoint in group2])/len(group2),sum([eachpoint[1] for eachpoint in group2])/len(group2)] 
31. currentCenter3 = [sum([eachpoint[0] for eachpoint in group3])/len(group3),sum([eachpoint[1] for eachpoint in group3])/len(group3)] 
32. # 記錄該次對質心的更新 
33. center1.append(currentCenter1) 
34. center2.append(currentCenter2) 
35. center3.append(currentCenter3) 
36. # 打印所有的點，用顏色標識該點所屬的簇 
37. pl.plot([eachpoint[0] for eachpoint in group1], [eachpoint[1] for eachpoint in group1], 'or') 
38. pl.plot([eachpoint[0] for eachpoint in group2], [eachpoint[1] for eachpoint in group2], 'oy') 
39. pl.plot([eachpoint[0] for eachpoint in group3], [eachpoint[1] for eachpoint in group3], 'og') 
40. # 打印每個簇的質心的更新軌跡 
41. for center in [center1,center2,center3]: 
42. pl.plot([eachcenter[0] for eachcenter in center], [eachcenter[1] for eachcenter in center],'k') 
43. pl.show() 

運行效果截圖如下：

希望本文所述對大家Python程序設計有所幫助。