K均值聚类关于初始聚类中心选取的一种改进（python程序）

最新推荐文章于 2025-06-08 02:42:32 发布
最新推荐文章于 2025-06-08 02:42:32 发布
阅读量4.7k 收藏 34
点赞数 3
CC 4.0 BY-SA版权
分类专栏： 聚类算法 程序
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_30683589/article/details/89815108

本程序是K均值聚类关于初始聚类中心选取的一种改进，原理来自于周志华的机器学习，这里只是尝试用python实现下。刚开始学习python，可能有问题大家觉得有用就借鉴下，如果哪里有问题还望指正。关于K均值聚类关于初始聚类中心选取的详细讨论我的博客另一篇文章详细介绍过，兴趣的可以去看看，这里只发我实现的python代码。

k均值代码参考来自于：# kmeans: k-means cluster
                                          # Author : zouxy
                                          # Date   : 2013-12-25
                                          # HomePage : http://blog.youkuaiyun.com/zouxy09
                                          # Email  : zouxy09@qq.com

 main.py:


                

        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    



                



	

		

			

				
					
【数据聚类】第三章第二节4：K-Means算法及其Python实现（初始中心点的选择和K-Means++算法）

				
			

			

				

					快乐江湖的博客
				

				

					06-15
					
					1711
					
				

			

		

		

			
				
最基本的KKK-MeansMeansMeans算法在选取初始中心点时，采用的是随机选取的方法，但是这种方法很容易使算法陷入局部最优解，无法得到全局最优方法一：取一个数据集，首先采用层次聚类技术对它进行一个预聚类分析；之后从聚类的结果中提取出kkk个簇，并计算这些簇的中心点作为KKK-MeansMeansMeans算法的初始中心点；最后利用这些中心点初始化KKK-MeansMeansMeans对原数据集进行聚类。这种方法可以很好解决初始点指派不合理问题，但仅在以下两种情况中奏效方法二：从数据集中随机抽取一些子

			
		

	



                

            
              



	

		

			

				
					
K均值聚类——python实现

				
			

			

				

					c3091158291的博客
				

				

					12-27
					
					1405
					
				

			

		

		

			
				
本文所用数据集来自西瓜书P202西瓜数据集4.0，文章末尾会附上源码和数据集。K均值算法（K-Means Algorithm）是一种常用的聚类分析方法，用于将数据集划分为预定数量的簇（clusters）。其基本思想是通过迭代的方式，最小化簇内样本之间的距离，以实现相似数据的归类。2.算法步骤初始化：选择 K个初始聚类中心（centroids），通常是在数据集中随机选择 K 个数据点。分配步骤：对每个数据点，计算它到每个聚类中心的距离（通常使用欧几里得距离），然后将该数据点分配到最近的聚类中心所在的簇。

			
		

	



              


  
              

                


	

		

			

				
					
机器学习-KMeans聚类 K值以及初始类簇中心点的选取

				
			

			

				

					wzm199012的专栏
				

				

					06-18
					
					8659
					
				

			

		

		

			
				
本文主要基于Anand Rajaraman和Jeffrey David Ullman合著，王斌翻译的《大数据-互联网大规模数据挖掘与分布式处理》一书。

  KMeans算法是最常用的聚类算法，主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭

			
		

	





	

		

			

				
					
【机器学习】k均值聚类

				
			

			

				

					2401_84149564的博客
				

				

					06-08
					
					1490
					
				

			

		

		

			
				
在市场营销当中，通过观察，我们可以看到客户的大致年龄、消费行为等信息，但是我们却很难区分它们的类别，因此可以认为它们是没有标签的数据，在观察一幅图片时，我们可以看到图片中的各种颜色，每一种颜色对应着一种数据，但是没有预测的信息，即它们也是没有标签的数据。先运行"随机生成k均值聚类数据集.py"的代码，再运行"k均值聚类.py"的代码，"随机生成k均值聚类数据集.py"文件与"k均值聚类.py"文件应位于同一目录中。1.时间复杂度：O(t·k·n·d)，其中t是迭代次数，k是簇数，n是数据点数，d是维度。

			
		

	



		

			
		



	

		

			

				
					
K-means算法及其优化

				
			

			

				

					xiedelong的博客
				

				

					03-26
					
					4168
					
				

			

		

		

			
				
本文摘选自：https://blog.youkuaiyun.com/google19890102/article/details/26149927https://blog.youkuaiyun.com/taoyanqi8932/article/details/53727841https://blog.youkuaiyun.com/gamer_gyt/article/details/48949227https://www.cnblog...

			
		

	





	

		

			

				
					
python机器学习案例系列教程——k均值聚类、k中心点聚类

				
			

			

				

					全栈工程师开发手册（原创）https://github.com/tencentmusic/cube-studio
				

				

					01-07
					
					1万+
					
				

			

		

		

			
				
全栈工程师开发手册 （作者：栾鹏）
  
   python数据挖掘系列教程


上一篇我们学习了层次聚类。层次聚类只是迭代的把最相近的两个聚类匹配起来。并没有给出能给出多少的分组。今天我们来研究一个K均值聚类。就是给定分组数目的基础上再来聚类。即将所有的样本数据集分成K个组，每个组内尽可能相似，每个组间又尽可能不相似。

k均值聚类和k中心点聚类属于基于划分的聚类。也就是给定了k值（簇的个...

			
		

	





	

		

			

				
					
kmeans算法入门案例以聚类中心数的确定

				
			

			

				

					qq_51118755的博客
				

				

					09-13
					
					6624
					
				

			

		

		

			
				
在本次实验中，我们先使用make_blobs（）这个函数设置中心点并且生成了五个簇。生成的图像如下然后进入一个循环，设置不同的聚类中心点k的值，调用kmeans算法的一个接口进行分类，并且通过数据可视化的手段将结果表现在一张图片上。图片如下。

			
		

	





	

		

			

				
					
Python实现K均值聚类算法完整示例

					
最新发布

				
			

			

				

					08-03
				

			

		

		

			
				
在Python中实现K均值聚类算法的基本步骤包括：首先随机选取k个数据点作为初始簇中心；接着根据当前簇中心将所有数据点分配到最近的簇中；然后重新计算每个簇的中心点，即簇内所有点的均值；之后不断重复上述的分配和...

			
		

	





	

		

			

				
					
1_k均值聚类程序_k均值聚类_K._

				
			

			

				

					10-02
				

			

		

		

			
				
在"proj10-01"项目中，我们可以编写一个K-均值聚类程序，包括数据预处理、模型训练和结果评估等步骤。具体实现可以使用Python的Scikit-learn库，该库提供了KMeans类来方便地执行K-均值聚类。以下是一个简单的代码...

			
		

	





	

		

			

				
					
K均值聚类_k均值聚类_

				
			

			

				

					10-02
				

			

		

		

			
				
K均值聚类（K-means Clustering）是数据挖掘中的一个基础且广泛使用的无监督学习算法，主要用于发现数据集中的潜在结构，即将数据自动分为K个不同的类别或聚类。这个算法尤其适用于处理大数据集，因为它相对简单，...

			
		

	





	

		

			

				
					
一个确定初始聚类中心的更好方法

				
			

			

				

					tyh70537的博客
				

				

					10-08
					
					1万+
					
				

			

		

		

			
				
初始聚类中心的选择对k-means算法的效果有非常显著的影响，不合适的初始聚类中心可能导致： 
1，算法收敛速度降低 
2，更大的可能使聚类结果收敛到一个较差的局部最小值 
3，某些簇最后是个空集（样本量较小时这种情况经常出现）经典的k-means算法的初始聚类中心是随机选取的，这种方式有两种不足： 
1，某些初始聚类中心可能离群体太远，如下图 
 
2，有的聚类中心可能相互之间隔得太近为了克服这些

			
		

	





	

		

			

				
					
K-means聚类初始中心的选择

				
			

			

				

					04-01
				

			

		

		

			
				
K—means算法是一种重要的聚类算法，在网络信息处理领域有着广泛的应用．由于该终止于一个局部最优状态，所以初始类中心点的选择会在很大程度上影响其聚类效果。这里提出了一种K—means算法的改进算法，首先探测数据集中的相对密集区域，再利用这些密集区域生成初始类中心点．该方法能够很好地排除类边缘点和噪声点的影响，并且能够适应数据集中各个实际类别密度分布不平衡的情况，最终获得较好的聚类效果．

			
		

	





	

		

			

				
					
K均值聚类关于初始聚类中心的探讨

					
热门推荐

				
			

			

				

					zod的博客
				

				

					05-19
					
					5万+
					
				

			

		

		

			
				
摘要：进入二十一世纪以来，科学技术的不断发展，使得数据挖掘技术得到了学者越来越多的关注。数据挖掘是指从数据库中发现隐含在大量数据中的新颖的、潜在的有用信息和规则的过程，是一种处理数据库数据的知识发现。数据挖掘一种新兴的交叉的学科技术，涉及了模式识别、数据库、统计学、机器学习和人工智能等多个领撤分类、聚类、关联规则是数据挖掘技术几个主要的研究领域。在数据挖掘的几个主要研究领域中，聚类是其中一个重要研...

			
		

	





	

		

			

				
					
Python K中心点聚类kmediods聚类代码

				
			

			

				

					weixin_42434055的博客
				

				

					05-22
					
					5610
					
				

			

		

		

			
				
import numpy as np
from numpy import *
import sys
from sklearn import metrics
import pandas as pd
import matplotlib.pyplot as plt

def fit_plot_Kmean_model(X):
    data = pd.read_csv(X, header=None, e...

			
		

	





	

		

			

				
					
kmeans python自定义初始聚类中心_聚类算法——K-Means原理、k选择、质心初始化、Python实现...

				
			

			

				

					weixin_39603265的博客
				

				

					12-10
					
					1827
					
				

			

		

		

			
				
引入聚类是一种无监督学习，将相似的样本(对象/实例)归到同一簇(cluster)中。通常用样本的相似度或距离来衡量。eg:天空中的星星，靠得近的星星可以被归为一个星团，而星团之间的星星距离比较远。(CheungRN：聚类算法中常见的几种距离​zhuanlan.zhihu.com)簇内的对象越相似，聚类的效果越好。硬聚类：一个样本只能属于一个类。软聚类：一个样本可以以概率属于多个类。聚类与分类的不同...

			
		

	





	

		

			

				
					
python使用k-means算法代码案例-K-means聚类算法及python代码实现

				
			

			

				

					weixin_37988176的博客
				

				

					10-30
					
					6483
					
				

			

		

		

			
				
K-means聚类算法（事先数据并没有类别之分！所有的数据都是一样的）1、概述K-means算法是集简单和经典于一身的基于距离的聚类算法采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。2、核心思想通过迭代寻找k个类簇的一种划分方案，使得用这k个类簇的均值来代表相应各类样本时所得的总体误差最小。k个...

			
		

	





	

		

			

				
					
聚类——标签传播算法以及Python实现

				
			

			

				

					slx_share的博客
				

				

					05-07
					
					7397
					
				

			

		

		

			
				
标签传播算法(label propagation)是典型的半监督聚类算法。半监督是指训练数据集中小部分样本点已知标签，大部分样本点未知标签。

核心思想

相似性较大的样本点间应该具有相同的标签，将已知标签通过相似性矩阵传播到未知的标签。



算法简介



基本概念

转化矩阵：用来更新标签，实质就是度量样本点间相似性程度的矩阵(图的边的权重)。Yi+1←TYiYi+1←TYiY_{i+1}\...

			
		

	





	

		

			

				
					
k-means确定初始中心值的方法

				
			

			

				

					不忘初心 方得始终
				

				

					04-15
					
					8053
					
				

			

		

		

			
				
KMeans算法是最常用的聚类算法，主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭代的进行分配点和更新类簇中心点的步骤，直至类簇中心点的变化很小，或者达到指定的迭代次数。

KMeans算法本身思想比较简单，但是合理的确定K值和K个初始类簇

			
		

	





	

		

			

				
					
K-均值聚类学习思考

				
			

			

				

					Annranshina的博客
				

				

					06-05
					
					2175
					
				

			

		

		

			
				
简述：k-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。算法描述：   假设要把样本集分为c个类别，算法描述如下： （1）适当选择c个类的初始中心；(也可以随机选择)（2）在第k次迭代中，对任意一个样本，求其到c个中心的距...

			
		

	





	

		

			

				
					

				
			

			

				

					
				

			

		

		

			
				

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 1

	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值