学习笔记 | KMeans聚类 (K均值聚类)

KMeans算法步骤

1. 选中心：随机选取K个样本作为类中心。
2. 求距离：计算各样本与各类中心的距离。
3. 归类：将各样本归于最近的类中心点。
4. 求新类中心：求各类的样本的均值，作为新的类中心。
5. 判定结果：若类中心不再发生变动或达到迭代次数，算法结束，否则回到第2步。
   
   

举例：鸢尾花数据聚类

from sklearn.datasets import load_iris
import numpy as np

iris = load_iris()
data = iris.data
print(data.shape)
n = len(data)
k = 3

dist = np.zeros([n, k+1])
# 1、选中心
center = data[:k, :]
center_new = np.zeros([k, data.shape[1]])
while True:
    # 2、求距离
    for i in range(n):
        for j in range(k):
            dist[i, j] = np.sqrt(sum((data[i, :] - center[j, :])**2))
        dist[i, k] = np.argmin(dist[i, :k])   # 3、归类

    for i in range(k):   # 4、求新类中心
        index = dist[:, k] == i
        center_new[i, :] = data[index, :].mean(axis=0)

    if np.all(center == center_new):   # 5、判定结束
        break
    center = center_new
dist

例子：

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans

iris = load_iris()

model = KMeans(n_clusters=3).fit(iris.data)
model.labels_

• 自行完成对聚类结果的评估。