python中实现K-Means聚类算法

原文:https://blog.csdn.net/uyy203/article/details/90735664

聚类问题是数据挖掘的基本问题,它的本质是将n 个数据对象划分为k个聚类,以便使得所获得的聚 类满足以下条件:同一聚类中的数据对象相似度较 高;不同聚类中的对象相似度较小。
它的基本思想是以空间中k个点为中心,进行聚类 ,对最靠近他们的对象归类。通过迭代的方法,逐 次更新各聚类中心的值,直至得到最好的聚类结果 次更新各聚类中心的值,直至得到最好的聚类结果 。

原始数据:


原始数据

划分聚类数据:


在这里插入图片描述

算法的基本步骤

第一步:从n个数据对象任意选择k个对象作为初始聚类中心,并设定最大迭代次数;
第二步:计算每个对象与k个中心点的距离,并根据最小距离对相应对象进行划分,即,把对象划分到与他们最近的中心所代表的类别中去 ;
第三步:对于每一个中心点,遍历他们所包含的对象,计算这些对象所有维度的和的均值,获得新的中心点;
第四步:如果聚类中心与上次迭代之前相比,有所改变,或者,算法迭代次数小于给定的最大迭代次数,则继续执行第2 、3两步,否则,程序结束返回聚类结果。


流程图

K-means算法运行过程

def main():
    #step1: load data
    print("load data...")
    dataSet=[]
    dataSetFile = open('./testSet/testSet.txt')
    for line in dataSetFile:
        lineAttrubute = line.strip().split('\t')
        dataSet.append([float(lineAttrubute[0]),float(lineAttrubute[1])])

    #step2: clustering
    print("clustering...")

    dataSet=np.mat(dataSet)

    k=4
    n=10000
    centers_result,clusters_assignment_result = kmeans(dataSet,k,n)

    #step3: show the clusters and centers
    print("show the clusters and centers...")

    showCluster(dataSet,k,centers_result,clusters_assignment_result)

initialCenters函数通过使用numpy库的 Initialize center函数通过使用numpy库的 zeros函数和random.uniform函数,随机选取 了k个数据做聚类中心,并将结果存放在 了k个数据做聚类中心,并将结果存放在 Numpy的Array对象centers中

#create centers, the number of centers is k
def initialCenters(data,k):
    nameSample,dim = data.shape
    centers = np.zeros((k,dim))
    for i in range(k):
        index = int(np.random.uniform(0,nameSample))
        centers[i,:] = data[index,:]
    return centers

distanceToCenters这个函数用来计算一个数据点到所有 聚类中心的距离,将其存放在distance2Centers 中返回

#calculate distance from each point to each center
def distanceToCenters(sample, centers):
    k = centers.shape[0]
    distance2Centers = np.zeros(k)

    for i in range(k):
        distance2Centers[i] = np.sqrt(np.sum(power((sample-centers[i,:]),2)))

    return distance2Centers

这部分代码完成了k-means算法中为数据点决定所属类别以及迭代更新类中心点的主要功能。
请注意numpy库的返回最小值索引的argmin函数,以及计算平均值的mean函数的使用方法。

#k-means
def kmeans(data,k,n):

    #initialize
    iterCount = 0
    centerChanged = True
    numSample = data.shape[0]
    centersAssignment = np.zeros(numSample)

    #step1 find the centers by random

    centers = initialCenters(data,k)


    while centerChanged and iterCount < n:
        #step2 calculate and mark index of the closest center from each point to create the clusters
        centerChanged = False
        iterCount = iterCount+1
        for i in range(numSample):
            sample2Centers = distanceToCenters(data[i,:],centers)
            minIndex = np.argmin(sample2Centers)
            
            if centersAssignment[i] != minIndex:
                centersAssignment[i] = minIndex
                centerChanged = True

            
        #step3 calculate the mean point in each cluster, which become new center of each cluster
        for j in range(k):
            pointsInCluster = data[np.nonzero(centersAssignment[:] == j)[0]]
            centers[j,:] = np.mean(pointsInCluster , axis = 0)

    return centers,centersAssignment

showCluster函数中,利用matplotlib库的plot函数将不同类别数据以不同颜色展现出来

def showCluster(data,k,centers,clustersAssignment):
    
    numSample = data.shape[0]
    
    #draw all samples 
    mark = ['or','ob','og','om']
    for i in range(numSample):
        markIndex = int(clustersAssignment[i])
        plt.plot(data[i,0],data[i,1],mark[markIndex])
    

    #draw the centers
    mark = ['Dr','Db','Dg','Dm']
    for i in range(k):
        plt.plot(centers[i,0],centers[i,1],mark[i],markersize=10)

    plt.show()

完整代码:

#k-means
#author xyz.
from numpy import *
import numpy as np
from matplotlib import *
import matplotlib.pyplot as plt

#create centers, the number of centers is k
def initialCenters(data,k):
    nameSample,dim = data.shape
    centers = np.zeros((k,dim))
    for i in range(k):
        index = int(np.random.uniform(0,nameSample))
        centers[i,:] = data[index,:]
    return centers

#calculate distance from each point to each center
def distanceToCenters(sample, centers):
    k = centers.shape[0]
    distance2Centers = np.zeros(k)

    for i in range(k):
        distance2Centers[i] = np.sqrt(np.sum(power((sample-centers[i,:]),2)))

    return distance2Centers

#k-means
def kmeans(data,k,n):

    #initialize
    iterCount = 0
    centerChanged = True
    numSample = data.shape[0]
    centersAssignment = np.zeros(numSample)

    #step1 find the centers by random

    centers = initialCenters(data,k)


    while centerChanged and iterCount < n:
        #step2 calculate and mark index of the closest center from each point to create the clusters
        centerChanged = False
        iterCount = iterCount+1
        for i in range(numSample):
            sample2Centers = distanceToCenters(data[i,:],centers)
            minIndex = np.argmin(sample2Centers)
            
            if centersAssignment[i] != minIndex:
                centersAssignment[i] = minIndex
                centerChanged = True

            
        #step3 calculate the mean point in each cluster, which become new center of each cluster
        for j in range(k):
            pointsInCluster = data[np.nonzero(centersAssignment[:] == j)[0]]
            centers[j,:] = np.mean(pointsInCluster , axis = 0)

    return centers,centersAssignment



def showCluster(data,k,centers,clustersAssignment):
    
    numSample = data.shape[0]
    
    #draw all samples 
    mark = ['or','ob','og','om']
    for i in range(numSample):
        markIndex = int(clustersAssignment[i])
        plt.plot(data[i,0],data[i,1],mark[markIndex])
    

    #draw the centers
    mark = ['Dr','Db','Dg','Dm']
    for i in range(k):
        plt.plot(centers[i,0],centers[i,1],mark[i],markersize=10)

    plt.show()



def main():
    #step1: load data
    print("load data...")
    dataSet=[]
    dataSetFile = open('./testSet/testSet.txt')
    for line in dataSetFile:
        lineAttrubute = line.strip().split('\t')
        dataSet.append([float(lineAttrubute[0]),float(lineAttrubute[1])])

    #step2: clustering
    print("clustering...")

    dataSet=np.mat(dataSet)

    k=4
    n=10000
    centers_result,clusters_assignment_result = kmeans(dataSet,k,n)

    #step3: show the clusters and centers
    print("show the clusters and centers...")

    showCluster(dataSet,k,centers_result,clusters_assignment_result)


if __name__=="__main__":
    main()
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 195,898评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,401评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,058评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,539评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,382评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,319评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,706评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,370评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,664评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,715评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,476评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,326评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,730评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,003评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,275评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,683评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,877评论 2 335

推荐阅读更多精彩内容