3. K-means方法及其应用
来源:互联网 发布:多核优化 编辑:程序博客网 时间:2024/06/02 12:24
1. K-means聚类算法
k-means算法以k为参数,把n个对象分成k个簇,使簇内具有较高的相似度,而簇间的相似度较低。
其处理过程如下:
- 随机选择k个点作为初始的聚类中心。
- 对于剩下的点,根据其与聚类中心的距离,将其归入最近的簇。
- 对每个簇,计算所有点的均值作为新的聚类中心。
- 重复2、3直到聚类中心不再发生改变。
2. K-means的应用
现有1999年全国 31个省份城镇居民家庭平均每人全年消费性支出的八个主要变量数据,这八个变量分别是:食品、衣着、家庭设备用品及服务、医疗保健、交通和通讯、娱乐教育文化服务、居住以及杂项商品和服务。利用已有数据,对31个省份进行聚类。
# 31省市居民家庭消费水平import numpy as npfrom sklearn.cluster import KMeansdef load_data(file_path): fr = open(file_path, 'r+') # r+ 以读写的方式打开一个文本文件 lines = fr.readlines() # .readlines() 一次读取整个文件(类似与 .read()) ret_data = [] # 用来存储城市的各项消费信息 ret_city_name = [] # 存储城市名称 for line in lines: items = line.strip().split(",") ret_city_name.append(items[0]) ret_data.append([float(items[i]) for i in range(1, len(items))]) return ret_data, ret_city_nameif __name__ == '__main__': data, city_name = load_data('Data/city') # 利用loadData方法读取数据 # 调用Kmeans()和fit_predict()方法进行计算 km = KMeans(n_clusters=4) # label 聚类后各数据所属的标签 label = km.fit_predict(data) # expense 每个聚类中心的总消费支出 expenses = np.sum(km.cluster_centers_, axis=1) # test # print(km.cluster_centers_) # print(expenses) city_cluster = [[], [], [], []] # 改动n_cluster后这里的中括号数量也要相应改动 for i in range(len(city_name)): city_cluster[label[i]].append(city_name[i]) # 输出 for i in range(len(city_cluster)): print("Expenses:%.2f" % expenses[i]) print(city_cluster[i])
km = KMeans(n_clusters=4)
max_iter:最大的迭代次数
init:初始聚类中心的初始化算法
n_cluster:用于指定聚类中心的个数
一般调用时只用给出n_cluster即可,init默认是k-means++,max_iter默认是300。
fit_predict()
计算簇中心以及为簇分配序号。
阅读全文
0 0
- 3. K-means方法及其应用
- K-Means 方法及应用
- 聚类经典方法K-means及其变种
- K-means算法及其示例
- K-means 方法概括
- Opencv中K均值算法(K-Means)及其在图像分割中的应用
- K-Means++算法 及应用
- K-means聚类及其验证
- K-Means聚类分析及其Python实现
- Python机器学习应用 | 聚类——K-means方法及应用
- K-Means 和K-Medoids算法及其MATLAB实现
- K-Means 和K-Medoids算法及其MATLAB实现
- K-Means 算法的应用
- 8.2 聚类(Clustering) K-means算法应用
- scikit-learn/k-means算法简单应用
- k-means & isodata 聚类方法
- k-means & isodata 聚类方法
- K-means聚类算法及其改进家族简介
- 玄宇说:带给新手们也同样是带给我自己的微信一键导航
- 记录一些VR开发的小坑(1)---vrtk射线相关
- Linux C语言 获取本机(所有网卡)IP地址(IPV4)
- Java HOOK
- LeetCode 开始刷题锻炼的时期
- 3. K-means方法及其应用
- Matlab利用函数句柄实现函数嵌套
- DigitalOcean境外云服务器注册
- vue-router
- 关于捕获键盘信息的processDialogkey方法
- Java中toString方法的作用
- Spring AOP 实现原理
- 画个五角星
- 使用SQL语句清空数据库所有表的数据