k-means算法代码

k-means代码

# -*- coding: utf-8 -*-
“““
Created on Thu Nov 17 16:13:56 2016

@author: phl
“““
print（“k-means算法程序“）
from numpy import *  
import time  
import matplotlib.pyplot as plt 


# 欧几里得聚类计算
def euclDistance（vector1 vector2）:
    return sqrt（sum（power（vector2 - vector1 2）））  

# 随机初始化聚类的中心
def initCentriods（dataSetk）:
    print（dataSet）
    numSamplesdim = dataSet.shape #dim列数
    centroids = zeros（（k dim））    
    print（“行数：“numSamples）
    print（“列数：“dim）
    for i in range（k）:
        index = int（random.uniform（0 numSamples）） 
        centroids[i :] = dataSet[index :]
    return centroids
# k-means cluster  
def kmeans（dataSet k）:
    numSamples = dataSet.shape[0]  #dataSet.shape是几行几列的意思，这里是7行2列
    print（“行数：“numSamples）
    clusterAssment = mat（zeros（（numSamples 2）））#初始化一个行两列的0矩阵
    clusterChanged = True
    ## step 1: 初始化聚类中心
    centroids = initCentriods（dataSet k）
    print（“随机初始化的两个点：“centroids）
    ## 循环遍历数据
    while clusterChanged: 
        clusterChanged = False
        for i in range（numSamples）:
            minDist  = 100000.0 
            minIndex = 0
            ## 循环遍历中心点
            ## step 2:计算离中心点的距离
            for j in range（k）:
                distance = euclDistance（centroids[j :] dataSet[i :]）
                if distance < minDist: 
                    minDist  = distance
                    minIndex = j #minIndex代表类别
            ##更新聚类分配
            if clusterAssment[i0] != minIndex:
                clusterChanged = True
                clusterAssment[i :] = minIndex minDist**2
        ## step 4: 更新聚类中心
        for j in range（k）:  
            pointsInCluster = dataSet[nonzero（clusterAssment[: 0].A == j）[0]] 
            centroids[j :] = mean（pointsInCluster axis = 0） 
    print（‘恭喜你，聚类完成‘）  
    return centroids clusterAssment 
# show your cluster only available with 2-D data  
def showCluster（dataSet k centroids clusterAssment）:  
    numSamples dim = dataSet.shape  
    if dim != 2:  
        print（“Sorry! I can not draw because the dimension of your data is not 2!“）  
        return 1  
  
    mark = [‘or‘ ‘ob‘ ‘og‘ ‘ok‘ ‘^r‘ ‘+r‘ ‘sr‘ ‘dr‘ ‘    if k > len（mark）:  
        print（“Sorry! Your k is too large! please contact Zouxy“）  
        return 1  
  
    # draw all samples  
    for i in range（numSamples）:  
        markIndex = int（clusterAssment[i 0]）  
        plt.plot（dataSet[i 0] dataSet[i 1] mark[markIndex]）  
  
    mark = [‘Dr‘ ‘Db‘ ‘Dg‘ ‘Dk‘ ‘^b‘ ‘+b‘ ‘sb‘ ‘db‘ ‘    # draw the centroids  
    for i in range（k）:  
        plt.plot（centroids[i 0] centroids[i 1] mark[i] markersize = 12）  
    plt.show（） 
def showData（dataSet）:
    x = []
    y = []
    plt.figure（figsize=（96））
    for i in dataSet:
        x.append（[float（i[0]）]）
        y.append（[float（i[1]）]）
    plt.scatter（xyc=“b“s=25alpha=0.4marker=‘o‘）
    #T:散点的颜色
    #s：散点的大小
  

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-22 11:01  k_means\__pycache__\
     文件        2552  2018-03-22 19:13  k_means\__pycache__\k_means.cpython-36.pyc
     文件        3306  2018-03-22 19:13  k_means\k_means.py
     文件         753  2018-04-24 09:34  k_means\test_kmeans.py
     文件          59  2018-02-21 18:02  k_means\testSet.txt