Scipy-kmeans聚类

最新推荐文章于 2024-09-11 11:06:15 发布

maplelistener

最新推荐文章于 2024-09-11 11:06:15 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

文章标签：聚类 kmeans 机器学习

本文链接：https://blog.youkuaiyun.com/maplelistener/article/details/122466070

本文介绍了如何使用Scipy库实现K-means聚类算法，包括聚类的基本原理和示例。接着，文章展示了如何将K-means应用于图像色彩聚类，并通过PIL库处理图像。最后，作者将色彩聚类的功能整合进Flask网页，用户可以点击分镜头图像查看对应的聚类色彩效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、聚类分析

1、基本原理：

（1）根据K个中心将数据集按到中心值距离分簇

（2）将已分的数据集，根据平均向量再确定中心值

（3）重复1、2步骤，直至中心值不再移动（每次的差值与上次相同）

来源：scipy实现k-means算法_昆兰.沃斯的博客-优快云博客_scipy实现kmeans聚类

2、示例

import numpy as np
from scipy.cluster.vq import vq, kmeans, whiten
import matplotlib.pyplot as plt

fe = np.array([[1.9,2.0],
                     [1.7,2.5],
                     [1.6,3.1],
                     [0.1,0.1],
                     [0.8,0.3],
                     [0.4,0.3],
                     [0.22,0.1],
                     [0.4, 0.3],
                     [0.4,0.5],
                     [1.8,1.9]])

book = np.array((fe[0], fe[1]))
print(type(book))
print("book: \n",book)

codebook, distortion = kmeans(fe, book)
# 可以写kmeans(wf,2)， 2表示两个质心，同时启用iter参数
print("codebook:", codebook)
print("distortion: ", distortion)

plt.scatter(fe[:,0], fe[:,1], c='g')
plt.scatter(codebook[:, 0], codebook[:, 1], c='r')
plt.show()

运行结果：红色为聚类中心