python實現之 K-means演算法簡單介紹

ckxllf發表於2020-05-21

  K-means 聚類演算法

  特點

  對初始化敏感。初始點選擇的不同,可能會產生不同的聚類結果

  最終會收斂。不管初始點如何選擇,最終都會收斂

  演算法思想

  選擇K個點作為初始質心

  repeat

  將每個點指派到最近的質心,形成K個簇

  重新計算每個簇的質心

  until 簇不發生變化或達到最大迭代次數

  程式碼實現

  實驗目的

  根據下列成績單,將5名同學成績歸為A類、B類、C類。

  限制:使用Kmeans演算法實現,但不直接呼叫sklearn第三方庫的KMeans函式。

  學生姓名  小測1  小測2  小測3  期末成績  專案答辯  成績

  張三  12  15  13  28  24  ?

  李四  7  11  10  19  21  ?

  王五  12  14  11  27  23  ?

  趙六  6  7  4  13  20  ?

  劉七  13  14  13  27  25  ?

  實驗步驟

  1. 資料準備

  將資料儲存為csv檔案,格式如下

  學生姓名,小測1,小測2,小測3,期末成績,專案答辯

  張三,12,15,13,28,24

  李四,7,11,10,19,21

  王五,12,14,11,27,23

  趙六,6,7,4,13,20

  劉七,13,14,13,27,25

  在從csv檔案中讀取資料,並選取可用的資料(排除姓名列)

  data = pd.read_csv('grade.csv')

  new_data = data.iloc[:, 1:].values

  2. KMeans演算法實現

  KMeans演算法涉及兩點之間距離的計算,我們提前寫好一個函式:輸入兩個點的座標,返回兩點之間的歐氏距離

  def eucliDist(A, B):

  return math.sqrt(sum([(a - b) ** 2 for (a, b) in zip(A, B)]))

  函式k_means(c,data,max,label)實現KMeans演算法:

  a. 輸入:質心列表c,待聚類資料data,最大迭代次數max,標籤列表label

  b. 計算data中的每個點分別到3個質心的歐式距離,得到一個矩陣metrix

  metrix = [[eucliDist(a, b) for a in data] for b in c]

  c. 比較矩陣metrix同一列的數值大小,將對應的學生劃歸距離較短的質心所屬的類,將標籤儲存為列表.

  classifier = []

  for (d, e, f) in zip(metrix[0], metrix[1], metrix[2]):

  m = min(d, e, f)

  if d == m:

  classifier.append(label[0])

  elif e == m:

  classifier.append(label[1])

  else:

  classifier.append(label[2])

  d. 重新計算質心的座標,新質心的座標=被劃歸同一類點的座標的平均值

  n1, n2 = 0, 0

  c1 = [0, 0, 0, 0, 0]

  c2 = c1

  c3 = c1

  for i in range(0, num):

  if classifier[i] == label[0]:

  c1 = [a + b for (a, b) in zip(c1, data[i])]

  n1 = n1 + 1

  elif classifier[i] == label[1]:

  c2 = [a + b for (a, b) in zip(c2, data[i])]

  n2 = n2 + 1

  else:

  c3 = [a + b for (a, b) in zip(c3, data[i])]

  c1 = [a / n1 for a in c1]

  c2 = [a / n2 for a in c2]

  c3 = [a / (num - n1 - n2) for a in c3]

  e. 重複b~d,直到質心座標不再變化或達到最大迭代次數

  f. 返回標籤列表

  完整函式如下

  def k_means(c, data, max,label):

  # a. 輸入質心列表c,待聚類資料`data`,最大迭代次數max

  max = max - 1

  num = len(data)

  # b. 計算data中的每個點分到k個質心的距離,得到一個矩陣,如

  metrix = [[eucliDist(a, b) for a in data] for b in c]

  print(metrix)

  # c. 比較矩陣同一列的數值大小,將對應的學生劃歸距離較短的質心所屬的類,將標籤儲存為列表

  classifier = [] 鄭州做人流手術費用

  for (d, e, f) in zip(metrix[0], metrix[1], metrix[2]):

  m = min(d, e, f)

  if d == m:

  classifier.append(label[0])

  elif e == m:

  classifier.append(label[1])

  else:

  classifier.append(label[2])

  print(classifier)

  # d. 重新計算質心的座標,新質心的座標=被劃歸同一類點的座標的平均值

  n1, n2 = 0, 0

  c1 = [0, 0, 0, 0, 0]

  c2 = c1

  c3 = c1

  for i in range(0, num):

  if classifier[i] == label[0]:

  c1 = [a + b for (a, b) in zip(c1, data[i])]

  n1 = n1 + 1

  elif classifier[i] == label[1]:

  c2 = [a + b for (a, b) in zip(c2, data[i])]

  n2 = n2 + 1

  else:

  c3 = [a + b for (a, b) in zip(c3, data[i])]

  c1 = [a / n1 for a in c1]

  c2 = [a / n2 for a in c2]

  c3 = [a / (num - n1 - n2) for a in c3]

  print(max)

  print([c1,c2,c3])

  # e. 重複b~d,直到質心座標不再變化,或達到最大迭代次數

  if c != [c1, c2, c3] and max > 0:

  c = [c1, c2, c3]

  print(c)

  k_means(c, data, max, label)

  return classifier

  3. 設定引數,呼叫函式,得到結果

  設定初始質心、標籤列表、最大迭代次數

  # 選擇K個點作為初始質心

  c = [[12, 15, 13, 28, 24], [ 7, 11, 10, 19, 21],[12, 14, 11, 27, 23]]

  label = ['A', 'B', 'C']

  max = 20

  呼叫函式,整理結果

  grade = k_means(c, new_data, max, label)

  grade = pd.Series(grade, index=data['學生姓名'])

  print(grade)

  實驗結果

  初始質心為[12, 15, 13, 28, 24], [ 7, 11, 10, 19, 21],[12, 14, 11, 27, 23]時,迭代2次即收斂,結果如下

  學生姓名  小測1  小測2  小測3  期末成績  專案答辯  成績

  張三  12  15  13  28  24  A

  李四  7  11  10  19  21  B

  王五  12  14  11  27  23  C

  趙六  6  7  4  13  20  B

  劉七  13  14  13  27  25  A


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69945560/viewspace-2693579/,如需轉載,請註明出處,否則將追究法律責任。

相關文章