說這算法之前的話，前期的準備工作，請看我前面的博客。上一篇，我說到了K-means聚類算法，但是有很多的不足，有很多能夠改進的地方，例如，怎樣使得聚類效果達到全局最優(可能的最好結果)呢？

那么接下來的二分K-means算法就來解決這個問題了。

一、二分K-means算法

二分K均值算法的基本思想：首先將所有的點作為一個簇來對待，并對這個簇進行K均值聚類，然后計算劃分開的兩個簇的總誤差平方和SSE(Sum?of?Squared?Error)，將SSE較小的那個簇經行劃分，以此類推，每次repeat對每個Current簇經行SSE比較，每次都是對最小SSE的簇劃分(這樣好貪心啊)，最后當簇的個數達到K值的時候，那么整個循環就over了，我們的聚類也是完成了，最后就是顯示結果了。

算法偽代碼如下：

##############################################################################

###########################################################################

將所有的點看成一個簇

當簇的數目小于K時

對于每一個簇

計算總誤差

在給定的簇上面進行K均值聚類(K=2)

計算將該簇一分為二后的總誤差

選擇使得誤差最小的那個簇進行劃分操作

############################################################################################

二、python實現

數據集和需要的包和安裝過程，我前面的博客中都有了詳細的講解，因為二分K-means的基礎還是K聚類，所以我把他們放一起了，這樣的話，統一的接口，統一的數據類型，這真是極好的，接下來，我就直接貼代碼了。

k-means.py

###########################################################################

def euclDistance1(point1,point2):

b=sum(np.power(point1-point2,2))

return

np.sqrt(b[0,0]+b[0,1])

#init points with random using list

def initPoints1(tt,k):

num,dim=tt.shape

points=np.zeros((k,dim))

r_list=range(0,80)

b_list=random.sample (r_list,k)

for

i in range(k):

index1=int(random.uniform (0,num))

points[i,:]=tt[index1,:]

return

points

#kmeans cluster using list

def

kmeans1(tt,k):

clusterState=True

clusterAssment=np.zeros([len(tt),2])

points=initPoints1(tt,k)

while

clusterState:

clusterState=False

for i in range(len(tt)):

minDist=euclDistance1(points[0,:], tt[i,:])

#print(minDist)

#minDist=100000.0

minIndex=0

for j in range(k):

distance = euclDistance1(points[j,:],tt[i,:])

if distance < minDist:

minDist=distance

minIndex=j

#calculate the count of each cluster

#update cluster

if clusterAssment[i, 0] != minIndex:

clusterState = True

clusterAssment[i, :] = minIndex, minDist**2

for j in range(k):

sumX=0

總結

以上是生活随笔為你收集整理的python聚类分析成绩反思_机器学习python实践——二分K-means聚类的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。