机器学习-K-MEANS聚类

1、掌握数据预处理的方法，对数据进行预处理； 2、掌握基本K-MEANS算法的使用；

// K-MEANS.cpp : 定义控制台应用程序的入口点。
//

#include “stdafx.h“
#include   
#include   
#include   
#include   
#include   
#include   
#define k 5//簇的数目  
using namespace std;
//存放元组的属性信息  
typedef vector Tuple;//存储每条数据记录  

int dataNum;//数据集中数据记录数目  
int dimNum;//每条记录的维数  
ofstream fileout（“out.txt“）;
//计算两个元组间的欧几里距离  
double getDistXY（const Tuple& t1 const Tuple& t2）
{
	double sum = 0;
	for （int i = 1; i <= dimNum; ++i）
	{
		sum += （t1[i] - t2[i]） * （t1[i] - t2[i]）;
	}
	return sqrt（sum）;
}

//根据质心，决定当前元组属于哪个簇  
int clusterOfTuple（Tuple means[] const Tuple& tuple）
{
	double dist = getDistXY（means[0] tuple）;
	double tmp;
	int label = 0;//标示属于哪一个簇  
	for （int i = 1; i		tmp = getDistXY（means[i] tuple）;
		if （tmp	}
	return label;
}
//获得给定簇集的平方误差  
double getVar（vector clusters[] Tuple means[]）
{
	double var = 0;
	for （int i = 0; i < k; i++）
	{
		vector t = clusters[i];
		for （int j = 0; j< t.size（）; j++）
		{
			var += getDistXY（t[j] means[i]）;
		}
	}
	//cout<<“sum:“<	return var;

}
//获得当前簇的均值（质心）  
Tuple getMeans（const vector& cluster）
{

	int num = cluster.size（）;
	Tuple t（dimNum + 1 0）;
	for （int i = 0; i < num; i++）
	{
		for （int j = 1; j <= dimNum; ++j）
		{
			t[j] += cluster[i][j];
		}
	}
	for （int j = 1; j <= dimNum; ++j）
		t[j] /= num;
	return t;
	//cout<<“sum:“<}

void print（const vector clusters[]）
{
	for （int lable = 0; lable	{
		cout << “第“ << lable + 1 << “个簇：“ << endl;
		fileout << “第“ << lable + 1 << “个簇：“ << endl;
		vector t = clusters[lable];
		for （int i = 0; i		{
			cout << i + 1 << “.（“;
			fileout << i + 1 << “.（“;
			for （int j = 0; j <= dimNum; ++j）
			{
				cout << t[i][j] << “ “;
				fileout << t[i][j] << “ “;
			}
			cout << “）\n“;
			fileout << “）\n“;
		}
	}
}

void KMeans（vector& tuples）
{
	vector clusters[k];//k个簇  
	Tuple means[k];//k个中心点  
	int i = 0;
	//一开始随机选取k条记录的值作为k个簇的质心（均值）  
	//srand（（unsigned int）time（NULL））;
	for （i = 0; i	{
		int iToSelect = rand（） % tuples.size（）;
		if （means[iToSelect].size（） == 0）
		{
			for （int j = 0; j <= dimNum; ++j）
			{
				means[i].push_back（tuples[iToSelect][j]）;
			}
			++i;
		}
	}
	int lable = 0;
	//根据默认的质心给簇赋值  
	for （i = 0; i != tuples.size（）; ++i）{
		lable = clusterOfTuple（means tuples[i]）;
		clusters[lable].push_back（tuples[i]）;
	}
	double oldVar = -1;
	double newVar = getVar（clusters means）;
	cout << “初始的的整体误差平方和为：“ << newVar << endl;
	fileout << “初始的的整体误差平方和为：“ << newVar << endl;
	int t = 0;
	while （abs（newVar - oldVar） >= 0.5） //当新旧函数值相差不到1即准则函数值不发生明显变化时，算法终止  
	{
		cout << “第 “ << ++t << “ 次迭代开始：“ << endl;
		fileout << “第 “ << ++t << “ 次迭代开始：“ << endl;
		for （i = 0; i < k; i++） //更新每个簇的中心点  
		{
			means[i] = getMeans（cluste

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件    3584142  2017-05-23 10:21  K-MEANS\K-MEANS\idf.txt

     文件     202230  2013-05-22 13:30  K-MEANS\K-MEANS\input.txt

     文件      12300  2017-05-16 14:23  K-MEANS\K-MEANS\iris.txt

     文件       4691  2017-05-23 10:26  K-MEANS\K-MEANS\K-MEANS.cpp

     文件       4532  2017-05-16 14:11  K-MEANS\K-MEANS\K-MEANS.vcxproj

     文件       1314  2017-05-16 14:11  K-MEANS\K-MEANS\K-MEANS.vcxproj.filters

     文件       1414  2017-05-16 15:07  K-MEANS\K-MEANS\kmeans.txt

     文件    1416464  2017-05-23 10:28  K-MEANS\K-MEANS\out.txt

     文件       1510  2017-05-16 14:11  K-MEANS\K-MEANS\ReadMe.txt

     文件        213  2017-05-16 14:11  K-MEANS\K-MEANS\stdafx.cpp

     文件        234  2017-05-16 14:11  K-MEANS\K-MEANS\stdafx.h

     文件        236  2017-05-16 14:11  K-MEANS\K-MEANS\targetver.h

     文件     858543  2017-05-16 14:19  K-MEANS\K-MEANS\train.data

     文件     858545  2009-04-24 16:10  K-MEANS\K-MEANS\train.data.bak

     文件        967  2017-05-16 14:11  K-MEANS\K-MEANS.sln

     目录          0  2017-08-03 22:50  K-MEANS\K-MEANS

     目录          0  2017-08-03 22:50  K-MEANS

----------- ---------  ---------- -----  ----

              6947335                    17