K均值算法简介：
摘自：《机器学习》周志华
代码如下：
k_means.py
from numpy import *
import random
def initK():
k = input("请输入聚类簇数：")
return k
def init_C(k):
"""初始化C集合中到底分几个簇"""
C = {"type1": []}
for t in range(k):
C["type%d" % (t + 1)] = []
return C
def loadData():
"""将文本文件dataSet写入矩阵"""
fr = open('dataSet')
arrys = fr.readlines()
number_lines = len(arrys)
return_mat = zeros((number_lines, 2)) # 创建矩阵时一定是两个括号
index = 0
for line in arrys:
line = line.strip() # 去掉空格
list_from_line = line.split(' ')
return_mat[index, :] = list_from_line[1:3]
index += 1
return return_mat
# 全局的变量
k = (int)(initK()) # 簇数
init_mat = loadData() # 放样本的矩阵
m = init_mat.shape[0] # 矩阵的行
n = init_mat.shape[1] # 矩阵的列
def k_means():
"""第一次时随机选取u向量和计算距离等"""
u_mat = zeros((k, n)) # 初始化u向量组成的矩阵，用zeros创建
a = random.randint(0, m - 1) # 随机选取样本
u_mat[0, :] = init_mat[a, :]
for i in range(k - 1):
b = random.randint(0, m - 1)
if b != a:
u_mat[i + 1, :] = init_mat[b, :]
print("初始化的u矩阵为：")
print(u_mat)
C = init_C(k) # 初始化C集合 C{'type':['x1','x2','x3'...],'type2'}
dist_mat = zeros((k, 1)) # 存放样本与u向量距离的矩阵
for j in range(m):
for t in range(k):
dist_mat[t, :] = math.sqrt((init_mat[j, 0] - u_mat[t, 0]) ** 2 + (init_mat[j, 1] - u_mat[t, 1]) ** 2)
dist_index = dist_mat.argmin() # 得到dist_mat矩阵中最短距离所在的索引
C["type%d" % (dist_index + 1)].append("x%d" % (j + 1)) # 索引与我们习惯的样本1，样本2直接差了1
while True:
update_C, update_u_mat = updateMat(C, u_mat)
if update_C == C:
break
else:
C = update_C
u_mat = update_u_mat
print(C)
def updateMat(C, u_mat):
"""更新u向量组成的矩阵与C的分类集合"""
for i in range(k):
temp_mat = zeros((len(C["type%d" % (i + 1)]), n))
for j in range(len(C["type%d" % (i + 1)])):
"""想要取出C {'type1': ['x5', 'x6', 'x7', 'x8'], 'type2': ['x1', 'x2', 'x3', 'x4']}
中的1，有点蠢哈哈
"""
temp_index = (int)((C["type%d" % (i + 1)][j])[1]) - 1
temp_mat[j, :] = init_mat[temp_index, :]
u = updateVector(temp_mat) # 得到了当前Ci的矩阵--》去计算u
if u_mat[i, :].all == u.all: # 在判断数组或是向量相不相等时用a.all 这个是只读的，意思就是不能赋值
break
else:
u_mat[i, :] = u
print("更新之后的u矩阵为：")
print(u_mat)
C = init_C(k)
dist_mat = zeros((k, 1))
for j in range(m):
for t in range(k):
dist_mat[t, :] = math.sqrt((init_mat[j, 0] - u_mat[t, 0]) ** 2 + (init_mat[j, 1] - u_mat[t, 1]) ** 2)
dist_index = dist_mat.argmin()
C["type%d" % (dist_index + 1)].append("x%d" % (j + 1))
return C, u_mat
def updateVector(mat):
"""更新u向量"""
numbers_stamp = mat.shape[0] # 样本个数，即矩阵的行数
# 计算新u的公式为所有样本对应的x坐标相加再除以该簇Ci中所含样本的个数
return_u = mat.sum(axis=0) # 矩阵列之和
if numbers_stamp == 0:
return_u = zeros((1, n))
else:
return_u = return_u / numbers_stamp
return return_u # 返回该u向量
main.py
import K_means
import matplotlib.pyplot as plt
from numpy import *
def loadDatas():
"""将文本文件dataSet写入矩阵"""
fr = open('dataSet')
arrys = fr.readlines()
number_lines = len(arrys)
return_mat = zeros((number_lines, 3)) # 创建矩阵时一定是两个括号
label_mat = zeros((1, number_lines))
index = 0
for line in arrys:
line = line.strip() # 去掉空格
list_from_line = line.split(' ')
return_mat[index, :] = list_from_line[0:3]
label_mat[0, index] = list_from_line[0]
index += 1
return return_mat, label_mat
mat, labels = loadDatas()
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(mat[:, 0], mat[:, 1])
plt.show()
K_means.k_means()
数据：dataSet.txt
1 0.697 0.460
2 0.774 0.376
3 0.634 0.264
4 0.608 0.318
5 0.556 0.215
6 0.403 0.237
7 0.481 0.149
8 0.437 0.211
9 0.666 0.091
10 0.243 0.267
11 0.245 0.057
12 0.343 0.099
13 0.639 0.161
14 0.657 0.198
15 0.360 0.370
16 0.593 0.042
17 0.719 0.103
18 0.359 0.188
19 0.339 0.241
20 0.282 0.257
21 0.748 0.232
22 0.714 0.346
23 0.483 0.312
24 0.478 0.437
25 0.525 0.369
26 0.751 0.489
27 0.532 0.472
28 0.473 0.376
29 0.725 0.445
30 0.446 0.459菜鸟程序媛一只，多多包涵~