k-means——平面上100个样本点的聚类分析(通俗易懂)
2023-03-20 14:40:38 时间
1、k-means聚类的算法流程
- 1.随机选取n个样本作为初始类中心;
- 2.计算各样本与各类中心的距离;
- 3.将各样本归于最近的类中心点;
- 4.求各类的样本的均值,作为新的类中心;
- 5.判定:若类中心不再发生变动或达到指定迭代次数,那么算法结束,否则回到第2步。
2、一个形象的例子:讲述k-means聚类原理
1)将下面这四个点,分为两类
2)聚类流程如下
3、平面上100个点的k-means聚类分析
代码如下:
import numpy as np
# 构造数据集
x = np.linspace(0,99,100)
y = np.linspace(100,199,100)
aa = 0 # aa变量是为了记录,迭代次数
k = 2 # 指定将数据分为几个类别
n = len(x) # 数据集的个数
# 1、随机选取两个点,作为初始的类中心;
center0 = np.array([x[0],y[0]])
center1 = np.array([x[1],y[1]])
dis = np.zeros([n,k+1])
while aa >= 0:
# 2、求各样本到各类中心的距离;
for i in range(n):
dis[i,0] = np.sqrt((x[i]-center0[0])**2+(y[i]-center0[1])**2)
dis[i,1] = np.sqrt((x[i]-center1[0])**2+(y[i]-center1[1])**2)
# 3、归类:将样本归类为,距离其最近的类中的所属类;
dis[i,2] = np.argmin(dis[i,:2])
# 4、再次计算各类样本的均值,作为新的类中心;
index0 = dis[:,2] == 0
index1 = dis[:,2] == 1
center0_new = np.array([x[index0].mean(),y[index0].mean()])
center1_new = np.array([x[index1].mean(),y[index1].mean()])
# 5、判断类中心,是否发生变化。如果发生变化,就回到第2步;否则,break退出循环;
if all((center0 == center0_new) & (center1 == center1_new)):
break
center0 = center0_new
center1 = center1_new
aa += 1
print(len(dis[dis[:,2] == 0]),len(dis[dis[:,2] == 1]))
print(center0,center1,aa)
结果如下:
结果分析: 从上面的结果中可以看到,最终的数据被分为的两类,每一类各有50个点。同时我们求出了最终的类中心点,一个是(24,5,124,5),另一个是(74.5,174.5),并且还求出了最后的迭代次数为7,也就是说:初始类中心一共迭代了7次后,就不再发生变化了。
相关文章
- 从本体论开始说起——运营商关系图谱的构建及应用
- 如何成为一名数据科学家?
- 从未见过的堂兄杀了人,你的DNA是关键证据
- 20个安全可靠的免费数据源,各领域数据任你挑
- 20个安全可靠的免费数据源,各领域数据任你挑
- 阿里云李飞飞:All in Cloud时代,云原生数据库优势明显
- 基于Hadoop生态系统的一高性能数据存储格式CarbonData(性能篇)
- 大数据告诉你:10年漫威,到底有多少角色
- TigerGraph:实时图数据库助力金融风控升级
- Splunk利用Splunk Connected Experiences和Splunk Business Flow 扩大数据访问
- 大数据开发常见的9种数据分析手段
- 以免在景区看人,我爬了5W条全国景点门票数据...
- 【实战解析】基于HBase的大数据存储在京东的应用场景
- 数据科学家告诉你哪些计算机科学书籍是你应该看的
- Kafka作为大数据的核心技术,你了解多少?
- Spring Boot 整合 Redis 实现缓存操作
- 大数据学习必须掌握的五大核心技术有哪些?
- 基于Antlr在Apache Flink中实现监控规则DSL化的探索实践
- 甲骨文再次被Gartner评为分析型数据管理解决方案魔力象限领导者
- 爬取吴亦凡微博102118条转发数据,扒一扒流量的真假