DP-means k - means聚类算法的比较

使用python进行编码，DP-means和 k - means聚类算法的比较，里面有数据集。

#!/usr/bin/env python
from pprint import pprint
import sys
import random
import math
import timer

class kmeans（object）:

	def __init__（self _X _k _xVal = 0 _stop=False）:
		# X is sample size lists of dim length
		#
		# _xVal is the number of records to hold out cross-validation.
		# To use this you must randomize input data!
		#
		# Setting _stop=True causes iteration to stop when out of cross-validate
		# error starts to rise.
		#
		self.nFeatures = len（_X[0]）
		self.xValSize = _xVal
		self.allSize = len（_X）
		self.size = self.allSize - self.xValSize
		self.X = _X
		self.k = _k
		self.stop = _stop
		# Initialize group memebership
		self.dataClusterId = [-1 for i in range（0 self.allSize）] # index of group for each data pair
		self.clusters = {}
		idx = 0
		# initialize to k random data points
		# don‘t assign x-val as a strat center
		for i in random.sample（range（0 self.size） self.k）:
			self.clusters[idx] = self.X[i]
			idx += 1
		# output records
		self.record = []
		self.errorRecord = []
		
	def dSquared（self x y）:
		dist2 = 0.0
		for jk in zip（xy）:
			dist2 += （j - k）**2
		return dist2

	def error（self）:
		res = 0.0
		for i in range（0 self.size）:
			res += self.dSquared（self.X[i] self.clusters[self.dataClusterId[i]]）
		# error on non training data
		res1 = 0.0
		err1 = 0.0
		for i in range（self.size self.allSize）:
			res1 += self.dSquared（self.X[i] self.clusters[self.dataClusterId[i]]）
		if res1 > 0.0:
			err1 = res1/self.xValSize
		return res/self.size err1

	def nearestCluster（self x）:
		cmin = sys.maxint
		cidx = -sys.maxint
		for j in self.clusters:
			dist = math.sqrt（self.dSquared（x self.clusters[j]））
			if dist < cmin:  # record closest centroid
				cmin = dist
				cidx = j
		return cidx cmin

	def assign（self）:
		for i in range（0 self.allSize）:
			self.dataClusterId[i] dmin = self.nearestCluster（self.X[i]）

	def updateClusters（self）:
		ctemp = {} # dim sums by cluster
		for j in range（0 self.k）:
			ctemp[j] = []
			for k in range（0 self.nFeatures）:
				ctemp[j].append（0.0） # init sums
			ctemp[j].append（0） # init counter
		# only calculate clusters on training not cross-validation set
		for i in range（0self.size）:
			for j in range（0 self.nFeatures）:
				ctemp[self.dataClusterId[i]][j] += self.X[i][j]
			ctemp[self.dataClusterId[i]][self.nFeatures] += 1 # count
		for c in self.clusters:
			if ctemp[c][self.nFeatures] <> 0:
				self.clusters[c] = [ ctemp[c][k]/ctemp[c][self.nFeatures] for k in range（0self.nFeatures）]
			else:
				# no members in this cluster
				pass
		return

	def run（self nmax = 100 eps = 1e-7）:
		prev = 0.0
		prevXVal = float（sys.maxint）
		for iter in range（0nmax）:
			# update assignments
			self.assign（）
			# calculate error
			err errXVal = self.error（）
			#
			if self.stop and errXVal - prevXVal >= 0.0:
				sys.stderr.write（“Cross-validation error increasing at step %d\n“%iter）
				break
			prevXVal = errXVal
			#
			if abs（err-prev） < eps:
				sys.stderr.write（“Tolerance reached a

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2014-12-01 17:25  Python-DP-Means-Clustering-master\
     文件         295  2014-12-01 17:25  Python-DP-Means-Clustering-master\.gitignore
     文件        1748  2014-12-01 17:25  Python-DP-Means-Clustering-master\DPopt.py
     文件        1317  2014-12-01 17:25  Python-DP-Means-Clustering-master\LICENSE
     文件        6058  2014-12-01 17:25  Python-DP-Means-Clustering-master\README
     文件        6124  2014-12-01 17:25  Python-DP-Means-Clustering-master\cluster.py
     文件         354  2014-12-01 17:25  Python-DP-Means-Clustering-master\costTest.bash
     文件        1232  2014-12-01 17:25  Python-DP-Means-Clustering-master\createTestData.py
     目录           0  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\
     文件       18195  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\2d-sample-data.png
     文件       96576  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\3d-sample-data.png
     文件       20568  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\error.png
     文件      241453  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\iters.png
     文件       18088  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\opt_error.png
     文件      174533  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\opt_iters.png
     文件       20973  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_errors.png
     文件       22520  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_errors_20.png
     文件       30375  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_errors_20_annotated.png
     文件       24465  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error.png
     文件       26844  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_10.png
     文件       27245  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_12.png
     文件       27581  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_15.png
     文件       26937  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_18.png
     文件       24941  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_2.png
     文件       26406  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_20.png
     文件       27115  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_3.png
     文件       26713  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_4.png
     文件       27006  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_5.png
     文件       26386  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times-error_8.png
     文件       21904  2014-12-01 17:25  Python-DP-Means-Clustering-master\img\test_times.png
     目录           0  2014-12-01 17:25  Python-DP-Means-Clustering-master\input\
............此处省略14个文件信息