py2.7《机器学习实战》利用k-means聚类算法对未标数据分组
来源:互联网 发布:js md5 编辑:程序博客网 时间:2024/05/22 06:25
一、支持函数
from numpy import *def loadDataSet(fileName): dataMat = [] fr = open(fileName) for line in fr.readlines(): curLine = line.strip().split('\t') fltLine = map(float,curLine) dataMat.append(fltLine) return dataMatdef distEclud(vecA,vecB): return sqrt(sum(power(vecA-vecB,2)))def randCent(dataSet , k):#K个随机质心 n = shape(dataSet)[1] centroids = mat(zeros((k,n))) #k个 for j in range(n): minJ = min(dataSet[:,j]) #找到边界最小值 rangeJ = float(max(dataSet[:,j])-minJ)#最大减最小得到区间 centroids[:,j] = minJ + rangeJ*random.rand(k,1) #生成0~1的随机数,rand(k,1)代表生成k行1列的随机矩阵,因为是2维的,所以相当于生成k组x,y return centroids
二、K-均值聚类算法
def kMeans(dataSet , k ,distMeas = distEclud ,createCent = randCent): m = shape(dataSet)[0] #数据总数 clusterAssment = mat(zeros((m,2))) #簇分配结果矩阵,一维代表簇索引值,二维代表误差(当前点到簇质心的距离) centroids = createCent(dataSet,k)#随机质心 clusterChanged = True while clusterChanged: #迭代:计算质心->分配 clusterChanged = False for i in range(m): minDist = inf ; minIndex = -1 for j in range(k): #遍历所有数据,找到距离每个点最近的质心,即第i个点距离第j个质心最近 distJI = distMeas(centroids[j,:],dataSet[i,:])#两点之间的距离公式 if distJI < minDist: minDist = distJI ; minIndex = j if clusterAssment[i,0] != minIndex : clusterChanged = True #如果任一点簇分配结果发生改变,更新标志 clusterAssment[i,:] = minIndex,minDist**2 print centroids for cent in range(k):#遍历质心更新取值 ptsInClust = dataSet[nonzero(clusterAssment[:,0].A == cent)[0]] centroids[cent,:] = mean(ptsInClust,axis=0) #axis沿列进行均值计算 return centroids,clusterAssment
测试函数:
import kMeansfrom numpy import *datamat = mat(kMeans.loadDataSet('testSet.txt'))myCentroids , clustAssing = kMeans.kMeans(datamat,4) #每次给出四个质心,三次迭代后收敛
输出样例:
[[-3.42377839 -2.30177844] [ 1.26773955 -3.3363673 ] [ 2.29481868 -3.09999664] [ 2.98365297 0.08363438]][[-3.231108 -0.45641674] [ 0.33258533 -3.763162 ] [ 2.87672686 -3.077605 ] [ 2.07919597 2.55993866]][[-3.23765394 -0.14691848] [-0.49980667 -3.24985483] [ 3.17437012 -2.75441347] [ 1.98283629 3.1465235 ]][[-3.23825903 0.3056831 ] [-1.5931908 -3.3212249 ] [ 3.17437012 -2.75441347] [ 1.98283629 3.1465235 ]][[-2.90972572 2.13857161] [-3.11105621 -3.07045705] [ 2.926737 -2.70147753] [ 1.98283629 3.1465235 ]][[-2.46154315 2.78737555] [-3.38237045 -2.9473363 ] [ 2.80293085 -2.7315146 ] [ 2.6265299 3.10868015]]
三、二分K-均值算法
K-均值算法会有可能局部收敛,所以为了改进提出了二分K-均值算法
算法思想是,将所有点当做一个簇,然后不断二分化(k=2),先选择哪个簇取决于对其划分是否可以最大程度的降低SSE(误差平方和)的值,这样就是优先的划分该簇了
因此这里的循环是重复执行k-均值算法的
def biKmeans(dataSet, k, distMeas=distEclud): m = shape(dataSet)[0] centroid0 = mean(dataSet, axis=0).tolist()[0] centList = [centroid0] # 簇 for j in range(m): # calc initial Error clusterAssment[j, 1] = distMeas(mat(centroid0), dataSet[j, :]) ** 2 while (len(centList) < k): lowestSSE = inf for i in range(len(centList)): # 遍历每一个簇 ptsInCurrCluster = dataSet[nonzero(clusterAssment[:, 0].A == i)[0], :] # 看成小数据集放入kmeans里得到两个质心和误差 centroidMat, splitClustAss = kMeans(ptsInCurrCluster, 2, distMeas) sseSplit = sum(splitClustAss[:, 1]) # 对比是否划分 sseNotSplit = sum(clusterAssment[nonzero(clusterAssment[:, 0].A != i)[0], 1]) print "sseSplit, and notSplit: ", sseSplit, sseNotSplit if (sseSplit + sseNotSplit) < lowestSSE: bestCentToSplit = i bestNewCents = centroidMat bestClustAss = splitClustAss.copy() lowestSSE = sseSplit + sseNotSplit bestClustAss[nonzero(bestClustAss[:, 0].A == 1)[0], 0] = len(centList) # 如果决定了就划分 bestClustAss[nonzero(bestClustAss[:, 0].A == 0)[0], 0] = bestCentToSplit print 'the bestCentToSplit is: ', bestCentToSplit print 'the len of bestClustAss is: ', len(bestClustAss) centList[bestCentToSplit] = bestNewCents[0, :].tolist()[0] # 更新划分数据集 centList.append(bestNewCents[1, :].tolist()[0]) # 质心加入centList clusterAssment[nonzero(clusterAssment[:, 0].A == bestCentToSplit)[0], :] = bestClustAss # 分配结果 return mat(centList), clusterAssment clusterAssment = mat(zeros((m,2)))#创建矩阵存储每个点的簇分配结果以及平方误差
0 0
- py2.7《机器学习实战》利用k-means聚类算法对未标数据分组
- 机器学习实战 第十章 利用K-均值聚类算法对未标注数据分组
- 机器学习实战-利用K-均值聚类算法对未标注数据分组
- 机器学习实战笔记-利用K均值聚类算法对未标注数据分组
- 《机器学习实战》笔记之十——利用K均值聚类算法对未标注数据分组
- 代码注释:机器学习实战第10章 利用K-均值聚类算法对未标注数据分组
- 机器学习之利用K-均值聚类算法对未标注数据分组
- 《机器学习实战》学习笔记-[13]-无监督学习-利用K-均值聚类对未标注数据分组
- 《机器学习实战》学习笔记-[14]-无监督学习-利用二分K-均值聚类对未标注数据分组
- 机器学习之-用k-均值聚类算法对未标注数据分组-具体怎么实现及应用
- 机器学习之-用k-均值聚类算法对未标注数据分组-具体怎么实现及应用
- py2.7《机器学习实战》利用PCA来简化数据
- py2.7《机器学习实战》利用SVD简化数据
- 《机器学习实战》1.K-Means聚类算法
- 利用K-均值聚类算法对未标注数据分组
- 第十章 利用K-均值聚类算法对未标注数据分组
- 第十章 利用k-均值聚类算法对未标注数据分组
- 第10章 利用K-均值聚类算法对未标注数据分组
- java动态代理类的实现
- 模拟实现strcpy
- rm -fr * 数据恢复
- python学习笔记(5):list的基本操作
- 关于ECDSA/ECC(密钥加密传输)和ECDSA/ECDH(密钥磋商)
- py2.7《机器学习实战》利用k-means聚类算法对未标数据分组
- shutdown与shutdownNow
- shell 进度条
- iOS开发 添加framework运行出现dyld: Library not loaded:的解决方法
- MySQL内核深度优化
- 第一py程序---批量复制
- Linux下查看某个设备的IO状态
- 微信小程序入门之构建一个简单TODOS应用
- 关于下载apk能下载到老版本的问题