k聚类算法（均值聚类）的实现（无监督学习）

本文给出了k聚类算法的简单实现
数据下载地址链接：https://pan.baidu.com/s/1iLLWZ73ErShuDOByWEMFEQ
提取码：5chg

import numpy as np
import matplotlib.pyplot as plt

#将文件数据存入数组
def LoadDataSet(filename):
    fr = open(filename)
    rowdata = fr.readlines()
    length = len(rowdata)
    dataset = np.zeros((length, 2))  #构造n行 2 列矩阵
    index=0
    for line in rowdata:
        line = line.strip() #将每行变成现在这样 1.658985	4.285136
        curline = line.split('\t') #将每行变成现在这样 ['1.658985', '4.285136']
        dataset[index, :] = curline
        index += 1
    return dataset

#距离计算函数

def ArrayDistance(VecA,VecB):
    return np.sqrt(np.sum(np.power((VecA-VecB),2)))


#随机生成簇，维度要与数据集一致

def SetCluster(dataset,k):      #随机生成k个簇
    Dimension = dataset.shape[1] #得到列
    cluster = np.mat(np.zeros((k,Dimension))) #生成一个簇的容器
    for i in range(Dimension):  #生成簇 不过要在所有数据的区域内
        datarange = float(max(dataset[:,i]) - min(dataset[:,i])) #最大值与最小值的差距
        cluster[:,i] =  datarange * np.random.rand(k,1) + min(dataset[:,i])
    return cluster


#通过算法进行数据分析，本文使用的是k-均值算法，得到新簇

def KMeans(dataset, k):  # k为簇的个数
    datalength = len(dataset)  # 获取数据集样本个数
    cluster = SetCluster(dataset, k)  # 随机生成簇
    SampleToCluster = np.mat(np.zeros((datalength, 2)))  # 此矩阵用标记向量属于哪一个簇中
    clusterIsChange = True  # 标记最新的变化
    while clusterIsChange:
        clusterIsChange = False
        for i in range(datalength):  # 遍历每个数据样本判断此数据样本应该属于哪个簇
            mindis = np.inf
            minindex = -1
            for j in range(k):
                distance = ArrayDistance(dataset[i, :], cluster[j, :])
                if mindis > distance: mindis = distance; minindex = j
            if (SampleToCluster[i, 0] != minindex): clusterIsChange = True;  # 最新的分配是否有变化
            SampleToCluster[i, :] = minindex, mindis  # 更新分配矩阵

        for i in range(k):
            ptsInClust = dataset[np.nonzero(SampleToCluster[:, 0].A == i)[0]]  # 获取第i个簇中的所有的向量
            cluster[i, :] = np.mean(ptsInClust, axis=0)  # 按列求平均得到全新的第i个簇

    return cluster, SampleToCluster







a = LoadDataSet('D:\python_exc\kjldata.txt') #载入数据
aa , bb = KMeans(a,4) #K-均值算法
print(aa)
#进行绘图 数据可视化
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(a[:,0].tolist(),a[:,1].tolist(),20,15.0*bb[:,0].reshape(1,80).A[0])
ax.scatter(aa[:,0].tolist(),aa[:,1].tolist(),marker='x',color='r')
plt.show()