K-Means算法 python实现

# !/usr/bin/python
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt
import sklearn.datasets as ds
import matplotlib.colors
from sklearn.cluster import KMeans


def expand（a b）:
    d = （b - a） * 0.1
    return a-d b+d


if __name__ == “__main__“:
    N = 400
    centers = 4
    data y = ds.make_blobs（N n_features=2 centers=centers random_state=2）
    data2 y2 = ds.make_blobs（N n_features=2 centers=centers cluster_std=（12.50.52） random_state=2）
    data3 = np.vstack（（data[y == 0][:] data[y == 1][:50] data[y == 2][:20] data[y == 3][:5]））
    y3 = np.array（[0] * 100 + [1] * 50 + [2] * 20 + [3] * 5）

    cls = KMeans（n_clusters=4 init=‘k-means++‘）
    y_hat = cls.fit_predict（data）
    y2_hat = cls.fit_predict（data2）
    y3_hat = cls.fit_predict（data3）

    m = np.array（（（1 1） （1 3）））
    data_r = data.dot（m）
    y_r_hat = cls.fit_predict（data_r）

    matplotlib.rcParams[‘font.sans-serif‘] = [u‘SimHei‘]
    matplotlib.rcParams[‘axes.unicode_minus‘] = False
    cm = matplotlib.colors.ListedColormap（list（‘rgbm‘））

    plt.figure（figsize=（9 10） facecolor=‘w‘）
    plt.subplot（421）
    plt.title（u‘原始数据‘）
    plt.scatter（data[: 0] data[: 1] c=y s=30 cmap=cm edgecolors=‘none‘）
    x1_min x2_min = np.min（data axis=0）
    x1_max x2_max = np.max（data axis=0）
    x1_min x1_max = expand（x1_min x1_max）
    x2_min x2_max = expand（x2_min x2_max）
    plt.xlim（（x1_min x1_max））
    plt.ylim（（x2_min x2_max））
    plt.grid（True）

    plt.subplot（422）
    plt.title（u‘KMeans++聚类‘）
    plt.scatter（data[: 0] data[: 1] c=y_hat s=30 cmap=cm edgecolors=‘none‘）
    plt.xlim（（x1_min x1_max））
    plt.ylim（（x2_min x2_max））
    plt.grid（True）

    plt.subplot（423）
    plt.title（u‘旋转后数据‘）
    plt.scatter（data_r[: 0] data_r[: 1] c=y s=30 cmap=cm edgecolors=‘none‘）
    x1_min x2_min = np.min（data