机器学习手撕代码（3）k-means

最新推荐文章于 2024-07-24 17:40:19 发布

原创

最新推荐文章于 2024-07-24 17:40:19 发布 · 399 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #kmeans #聚类

本文介绍了如何使用Python实现K-means算法，并通过实例演示了从数据预处理、模型训练到结果可视化的全过程，适合初学者理解聚类方法。

机器学习手撕代码（3）k-means

本篇分享一下k-means的代码，k_means.py为K均值模型的代码。utils.py中为可视化结果的工具。

dataset见本系列第0篇。

k_means.py

from datasets.dataset import DataSet
import matplotlib.pyplot as plt
import numpy as np
from sklearn import manifold
from utils import Visualization
from sklearn.model_selection import train_test_split

def dis(m,v): # 计算欧式距离返回n*1大小矩阵，为n条数据到v的距离
    return np.sqrt(np.sum((m-v)**2,axis=1))

class KMEANS:
    def __init__(self,n_clusters,rad_seed=2021):
        self.n_clusters = n_clusters # 聚类中心个数
        self.centers = [None]*self.n_clusters # 存放聚类中心
        self.res = None
        self.its = 0 # 记录迭代次数
        self.rad_seed = rad_seed
    def fit(self,data):
        if self.rad_seed is not False:
            np.random.seed(self.rad_seed)
        for i in range(self.n_clusters):
            self.centers[i] = data[i] # 从数据中随意选取n个数作为n个聚类中心的初始值

        while(True): # 开始迭代求聚类中心
            self.its+=1
            distance = []
            for i in range(self.n_clusters):