【数据挖掘】k-means聚类算法

冰火两重天

于 2013-07-08 17:40:07 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/sprayabc/article/details/9269665

K-means聚类算法是一种基于数据结构决定cluster大小的方法，它需要预先设定聚类数量。算法流程包括：随机初始化k个中心点，将每个数据点分配到最近的聚类，然后更新聚类中心，重复此过程直到中心点不再变化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

K-Means聚类
层次聚类给出了一个树作为结果，但是其不足之处：没有额外的工作，树形结构并不能真正将数据划分到独立的分组中，并且算法属于计算密集型任务。
因为每个item之间的距离需要计算，且合并之后，距离需要重算，所以当数据集非常大时，算法运行很缓慢。

K-means聚类，不同于层次聚类，它事先告诉有多少个唯一的clust要生成。算法基于数据的结构来决定cluster的大小。

def kclustr(rows,distance=sim_pearson,k=4):
    #取得向量每个维度中的最大、最小值
    ranges=[(min(row[i] for row in rows),max(row[i] for row in rows)) 
            for i in range(len(rows[0]))]
    #创建k个随机位置中心(向量)
    clusters=[[random.random() * (ranges[i][1] - ranges[i][0]) + ranges[i][0] 
               for i in range(len(rows[0]))] for j in range(k)]
    lastmatches=None    
    for t in range(100):#最大迭代次数
        bestmatch=[[] for i in range(k)]#
        for j in range(len(rows)):
            row = rows[j]
            #分别计算row与随机clust的距离那个最近
            bestmatch=0
            for i in range(k):
                d=distance(clusters[i],row)
                if d<distance(clusters[bestmatch],row):bes