聚类分析经典算法（一）

完成实验的过程学习下聚类分析算法
内容图片如无法查看请前往原站点访问：http://taoblog421.cn/posts/27782ca8/
参考文章：https://developer.ibm.com/zh/articles/ba-1607-clustering-algorithm/

1、分类和聚类

监督学习与非监督学习

生活例子：

高中或者初中阶段，同学们三五成群，比如看小说的几个人一伙，玩魔方的几个人一伙，上网的几个人一伙…，这个过程老师一般是不知道的，也就是没有老师进行监督，称为非监督学习，聚类算法是非监督学习的算法。

高三的时候，有些老师会采取什么学习小组政策，擅长不同学科的同学组成互帮互助学习小组，这个过程是老师监督下完成的，称为监督学习，分类算法是监督学习的算法

数据分类是根据已有的分类标准对数据划分为不同的类别，类别数和分类的标准都是已知的。而聚类则相反，需要根据数据提取属性，按照属性进行分组，每个组之间的数据是相似的，显然组内的相似性越高，组间的相异性越高，聚类的效果越好

2、K均值算法

2.1 基础知识

k均值算法为聚类算法中最基础也最重要的算法，对绝大多数数据有效，但是不能处理异型簇

1. 随机的取 k 个点作为 k 个初始质心；
2. 计算其他点到这个 k 个质心的距离；
3. 如果某个点 p 离第 n 个质心的距离更近，则该点属于 cluster n，并对其打标签，标注 point p.label=n，其中 n<=k；
4. 计算同一 cluster 中，也就是相同 label 的点向量的平均值，作为新的质心；
5. 迭代至所有质心都不变化为止，即算法结束。

K值的估计

对于k的值必须提前知道，这也是kmeans算法的一个缺点，对于k值有多种估计方法，这里使用平均直径法来估计

就是首先视所有的点为一个大的整体 cluster，计算所有点之间距离的平均值作为该 cluster 的平均直径。选择初始质心的时候，先选择最远的两个点，接下来从这最两个点开始，与这最两个点距离都很远的点（远的程度为，该点到之前选择的最远的两个点的距离都大于整体 cluster 的平均直径）可视为新发现的质心，否则不视之为质心。这样就可以得到质心的数量

2.2 代码实现

测试数据 kmeans.txt

1,1
2,1
1,2
2,2
6,1
6,2
7,1
7,2
1,5
1,6
2,5
2,6
6,5
6,6
7,5
7,6

代码实现（java）：

文本读取工具类：

import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.List;

/**
 * @description: 读取.txt文件工具类
 * @author: zyb
 * @date: 2020/10/13 15:47
 */
public class FileRead {
   
    public static void main(String[] args) {
   
        String filePath = "文件所在路径/文件名";
        List<String> list = FileRead.read(filePath);
        for (String s : list) {
   
            System.out.println(s);
        }
    }

    public static List<String> read(String filePath){
   
        FileInputStream inputStream = null;
        BufferedReader bufferedReader = null;
        List<String> data = new ArrayList<String>();

        try {
   
            inputStream = new FileInputStream(filePath);
            //设置inputStreamReader的构造方法并创建对象设置编码方式为gbk(编码格式可自行切换)
            bufferedReader = new BufferedReader(new InputStreamReader(inputStream,"gbk"));

            String str = null;
            while((str = bufferedReader.readLine()) != null)
            {
   
                data.add(str);
            }
        } catch (IOException e) {
   
            e.printStackTrace();
        } finally {
   
            if (inputStream != null) {
   
                try {
   
                    inputStream.close();
                } catch (IOException e) {
   
                    e.printStackTrace();
                }
            }
            if (bufferedReader != null) {
   
                try {
   
                    bufferedReader.close();
                } catch (IOException e) {
   
                    e.printStackTrace();
                }
            }
        }
        return data;
    }
}

Kmeans.java:

import java.util.*;

/**
 * @Author liaotao
 * @Date 2020/12/29 16:28
 * 实现kmeans算法
 */
public class Kmeans {
   

    // 节点列表
    private static List<Node> nodeList;

    // 质心
    private static Map<Integer,Node> centroid;


    public static void main(String[] args) {
   

        nodeList = getNodeListByPath("g:/kmeans.txt");

        centroid = computeK(nodeList);

        doIteration();

        printResult();

    }

    /**
     * 输出聚类结果
     */
    public static void printResult() {
   
        for (Node node : nodeList) {
   
            System.out.println(Arrays.toString(node.getAttributes()) + "belongs to cluster " <