#K-means聚類

from numpy import *

importmatplotlib.pyplot as plt

plt.ion()#開啟交互模式，實時繪制

plt.subplots()

plt.xlim(-6, 6)

plt.ylim(-6, 6)#plt.pause(5)

defloadDataSet(fileName):

dataMat=[]

fr=open(fileName)for line infr.readlines():

curLine= line.strip().split('\t')

fltLine=list(map(float,curLine))

dataMat.append(fltLine)returndataMatdefdistEclud(vecA, vecB):#print("vecA:",vecA,"vecB:",vecB)

return sqrt(sum(power(vecA-vecB, 2))) #歐式距離

#給定數(shù)據(jù)集構(gòu)建一個包含k個隨機質(zhì)心的集合#該函數(shù)為給定數(shù)據(jù)集構(gòu)建一個包含k個隨機質(zhì)心的集合#集合中的值位于min合max之間

defrandCent(dataSet, k):

n= shape(dataSet)[1]

centroids=mat(zeros((k,n)))for j inrange(n):

minJ=min(dataSet[:,j])

rangeJ= float(max(dataSet[:,j]) -minJ)

centroids[:,j]= minJ + rangeJ*random.rand(k,1)returncentroids'''k-均值聚類算法:

該算法會創(chuàng)建k個質(zhì)心，然后將每個點分配到最近的質(zhì)心。這個過程重復(fù)數(shù)次，直到數(shù)據(jù)點的簇分配結(jié)果不再改變?yōu)橹埂?/p>

這個接口的缺點是：質(zhì)心是隨機初始化的，雖然最后會通過劃分后的點加均值函數(shù)重新計算,但質(zhì)心沒有真正的進行最優(yōu)化收斂

k均值算法收斂(kMeans函數(shù))到了局部最小值，而非全局最小值

一種用于度量聚類效果的指標(biāo)是SSE(Sum of Squared Error，誤差平方和)，SSE值越小表示數(shù)據(jù)點越接近于它們的質(zhì)心，聚類

效果也就越好。因為對誤差取了平方，因此更加重視那些遠(yuǎn)離中心的點，一種肯定可以降低SSE值的方法是怎加簇的個數(shù)，

但這違背了聚類的目標(biāo)。聚類的目標(biāo)是在保持簇數(shù)目不變的情況下提高簇的質(zhì)量。'''

def kMeans(dataSet, k, distMeans=distEclud, createCent=randCent):

m=shape(dataSet)[0]

clusterAssment= mat(zeros((m, 2))) #記錄每個樣本點到質(zhì)心的最小距離，及最小距離質(zhì)心的索引

centroids =createCent(dataSet, k)

centroids_mean_before=centroids

plt_scatter(dataSet,centroids,clusterAssment)

clusterChanged=TruewhileclusterChanged:

clusterChanged=Falsefor i in range(m): #樣本數(shù)據(jù)按行遍歷

minDist = inf; minIndex = -1 #inf 表示正無窮

for j in range(k): #遍歷質(zhì)心,尋找最近質(zhì)心

distJI = distMeans(centroids[j,:], dataSet[i,:]) #計算i點到j(luò)質(zhì)心的距離

if distJI

minDist= distJI; minIndex=j #計算出每個樣本數(shù)據(jù)最近的質(zhì)心點與距離

if clusterAssment[i,0] != minIndex: clusterChanged =True

clusterAssment[i,:]= minIndex,minDist**2plt_scatter(dataSet,centroids_mean_before,clusterAssment)for cent in range(k): #遍歷所有的質(zhì)心并更新它們的取值

ptsInClust = dataSet[nonzero(clusterAssment[:,0].A ==cent)[0]]

centroids[cent,:]= mean(ptsInClust, axis=0)

centroids_mean_before=centroids

plt_scatter(dataSet,centroids,clusterAssment)returncentroids, clusterAssment#二分K-均值算法

'''為了克服k-均值算法收斂于局部最小值的問題，有人提出了另一個稱為二分K-均值的算法。

二分k-均值：首先將所有點作為一個簇，然后將該簇一分為二。之后選擇其中一個簇繼續(xù)進行劃分，

選擇哪個簇繼續(xù)劃分取決于對其劃分是否可以最大程度降低SSE的值。上述基于SSE的劃分過程不斷重復(fù)，

直到得到用戶指定的簇數(shù)目為止。'''

def biKmeans(dataSet, k, distMeas=distEclud):

m=shape(dataSet)[0]

clusterAssment= mat(zeros((m,2))) #創(chuàng)建一個m*2的零矩陣

#print('clusterAssment:',clusterAssment)

centroid0 = mean(dataSet, axis=0).tolist()[0] #tolist() 把mat轉(zhuǎn)為list

centList =[centroid0]

plt_scatter(dataSet, mat(centList), clusterAssment)#print('centList:', centList)

for j inrange(m):

clusterAssment[j,1] = distMeas(mat(centroid0), dataSet[j,:])**2 #記錄每個點到質(zhì)心的距離的平方

#print('clusterAssment:',clusterAssment)

while (len(centList)

lowestSSE= inf #正無窮

for i inrange(len(centList)):#以clusterAssment中第一列索引為i的行為索引，找到這些索引對應(yīng)dataSet的的值返回。通俗講 就是找出第i個質(zhì)心關(guān)聯(lián)的點

ptsInCurrCluster = dataSet[nonzero(clusterAssment[:,0].A==i)[0],:]

centroidMat,splitClustAss= kMeans(ptsInCurrCluster, 2, distMeas)

sseSplit= sum(splitClustAss[:,1])

sseNotSplit= sum(clusterAssment[nonzero(clusterAssment[:,0].A!=i)[0],1]) #求劃分前其余(除i質(zhì)心之外的)質(zhì)心的sse值

print("sseSplit, and notSplit:",sseSplit, sseNotSplit)if (sseSplit + sseNotSplit)

bestCentToSplit=i

bestNewCents=centroidMat

bestClustAss=splitClustAss.copy()

lowestSSE= sseSplit + sseNotSplit #所有質(zhì)心(被分割的質(zhì)心加沒被分割的質(zhì)心)距離的平方

#更新bestClustAss簇的分配結(jié)果

bestClustAss[nonzero(bestClustAss[:,0].A == 1)[0],0] =len(centList)

bestClustAss[nonzero(bestClustAss[:,0].A== 0)[0],0] =bestCentToSplitprint("the bestCentToSplit is:",bestCentToSplit)print("the len of bestClustAss is:", len(bestClustAss))#將bestCentTosplit(最適合分割的質(zhì)心點)，替換為分割后的第0個質(zhì)心點，分割后生成的另一個質(zhì)心點通過 append方法添加

centList[bestCentToSplit] = bestNewCents[0,:].tolist()[0] #python3修改

centList.append(bestNewCents[1,:].tolist()[0])#將被分割的質(zhì)心cluter索引和最小距離平方(minDist**2) 重新賦值

clusterAssment[nonzero(clusterAssment[:,0].A == bestCentToSplit)[0],:] =bestClustAss

plt_scatter(dataSet, mat(centList), clusterAssment)returnmat(centList),clusterAssment#繪圖接口

defplt_scatter(datMat,datCent,cluster):

plt.clf()#清空畫布

plt.xlim(-6, 6) #因為清空了畫布，所以要重新設(shè)置坐標(biāo)軸的范圍

plt.ylim(-6, 6)

m=shape(datMat)[0]

n=shape(datCent)[0]

ms=['^','v','o','s','p','','1','2','3'] #數(shù)據(jù)點形狀

cs=['r','g','b','y','m','c','k','r','g','b'] #數(shù)據(jù)點的顏色

for i inrange(m):

k=int(cluster[i,0])

plt.scatter(datMat[i,0],datMat[i,1],c=cs[k],marker=ms[k],alpha=0.5)for j inrange(n):

plt.scatter(datCent[j,0],datCent[j,1],c=cs[j],marker='x',alpha=1.0)

plt.pause(0.3)if __name__ == '__main__':

datMat= mat(loadDataSet('testSet.txt'))#myCentroids,clusterAssing = kMeans(datMat, 4)

#plt_scatter(datMat,myCentroids,clusterAssing)

centList,myNewAssments=biKmeans(datMat,4)

plt_scatter(datMat,centList,myNewAssments)

plt.ioff()

plt.show()

總結(jié)

以上是生活随笔為你收集整理的二分平均值聚类 java_二分K-均值聚类算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。