《机器学习（周志华）》习题9.4参考答案

最新推荐文章于 2025-03-27 17:12:02 发布

Wiking__acm

最新推荐文章于 2025-03-27 17:12:02 发布

阅读量2.3k

点赞数 1

分类专栏：数据挖掘

本文链接：https://blog.youkuaiyun.com/Wiking__acm/article/details/51586357

版权

本文介绍了在实现K均值算法过程中发现书本示例的错误，并通过编程不仅纠正了错误，还利用matplotlib.animation模块创建了聚类过程的动态图。展示了如何对50个随机点进行4类聚类的动态效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

实现K均值算法。。。

书上的例子是错的！那个数据集，用书上选的那几个初始点，则一开始就是收敛的。

实现时，顺便学了matplotlib.animation，可以把聚类过程用动态图显示出来。

代码如下：

# coding: utf-8
import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt
import matplotlib.animation as animation 
import random
import itertools


def rand_RGB():
	return np.random.random(3)


def cal_dis(x, y):
	return np.linalg.norm(x-y)
	# return sum(np.abs(x-y))


def Kmeans(nb_cluster, points):
	nb_sample = len(points)
	init_points_id = random.choice(list(itertools.combinations(range(nb_sample), nb_cluster)))
	centers = points[init_points_id, :]
	colors = [rand_RGB() for i in range(nb_cluster)]
	# colors = ['r', 'g', 'b']
	imgs = []
	max_iter = 100
	for _ i