python-使用numpy库方法实现kmeans算法

python-使用numpy库方法实现kmeans算法

在老师的带领下，重新用numpy实现了一下kmeans算法

---

import random
import matplotlib.pyplot as plt
import numpy as np
import time

class KMeans():

    def __init__(self, k=1):
        '''
        :param k: k代表分类数
        '''
        self.__k = k
        self.__data = None         # 存放原始数据,转为numpy类型
        self.__pointCenter = None  # 存放中心点，第一次获得的中心点通过随机方式在__data里随机出来，numpy类型
        self.__result = []       # 存放分类结果
        for i in range(k):
            self.__result.append([])  # [[],[],[],[],[]]
            pass
        pass

    def fit(self, data, threshold, times=50000):
        '''
        进行模型训练
        :param data: 训练数据
        :param threshold: 阈值，退出条件
        :return:
        '''
        self.__data = data    #得到测试数据
        self.randomCenter()   #得到中心点
        #print(self.__pointCenter)
        centerDistance = self.calPointCenterDistance(self.__pointCenter, self.__data)  
        #计算中心点与各个点之间的距离

        # 对原始数据进行分类，将每个点分到离它最近的中心点
        i = 0
        for temp in centerDistance:
            index = np.argmin(temp)  #得到最小值索引
            self.__result[index].append