本文為大家分享了Python機器學習之K-Means聚類的實現代碼，供大家參考，具體內容如下

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，即認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）隨機選取k個點作為種子點(這k個點不一定屬于數據集)；（2）分別計算每個數據點到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(簡單常用的方法是求坐標值的平均值作為新的坐標值；（4）重復2、3步，直到種子點坐標不變或者循環次數完成。

2.數據及其尋找初步的聚類中心

數據為Matlab加載格式（mat），包含X變量，數據來源為（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軸上的一些點中進行聚類。

我們首先構建初步尋找聚類中心（centroids，質心）函數，再隨機設置初始質心，通過歐氏距離初步判斷X的每一個變量屬于哪個質心。代碼為：

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sbfrom scipy.io import loadmatdef find_closest_centroids(X, centroids):  m = X.shape[0]  k = centroids.shape[0] #要聚類的類別個數  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:        # 記錄當前最短距離和其中心的索引值        min_dist = dist        idx[i] = j    return idxdata = 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]

在這里先生成m（這里為300）個0向量，即idx，也就是假設X的每個變量均屬于0類，然后再根據與初始質心的距離計算dist = np.sum((X[i,:] - centroids[j,:]) ** 2)，初步判斷每個變量歸屬哪個類，最終替代idx中的0.

3.不斷迭代尋找質心的位置并實現kmeans算法

上述idx得到的300維向量是判斷X中每個變量的歸屬類別，在此基礎上，再對初始質心集群位置不斷調整，尋找最優質心。

def compute_centroids(X, idx, k):  m, n = X.shape  centroids = np.zeros((k, n))    for i in range(k):    indices = np.where(idx == i)    centroids[i,:] = (np.sum(X[indices,:], axis=1) / len(indices[0])).ravel()  #這里簡單的將該類中心的所有數值求平均值作為新的類中心return centroidscompute_centroids(X, idx, 3)