西瓜书课后题——第九章（聚类）

最新推荐文章于 2024-09-01 10:03:41 发布

乂乂乂乂

最新推荐文章于 2024-09-01 10:03:41 发布

阅读量3.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/qq_37691909/article/details/89761015

博客主要探讨了k均值聚类算法在西瓜数据集4.0上的实现，强调了初始向量选择对聚类结果稳定性的影响，并指出应选择类中心点作为初始向量。此外，提出了一个自动确定聚类数目的方法，通过计算距离之和与系统熵的组合来寻找最佳k值，但未解决边界虚线的绘制问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本章因为课后题大部分都是证明和解答题，所以不再详细叙述，只是针对 9.4 题给出相关算法的实现。

关于证明和简答题可以参考这篇博客： https://blog.youkuaiyun.com/icefire_tyh/article/details/52224676

9.4 k均值聚类实现，并在不同k值和初始向量情况下进行比较。

算法完全按照图 9.2 给出的过程进行，数据集采用西瓜数据集4.0.

相关代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

class Cluster:
    def loadData(self):            # 读入数据
        dataset = pd.read_excel('./WaterMelon_4.0.xlsx',encoding = 'gbk')  # 读取数据
        Attributes = dataset.columns         # 所有属性的名称
        m,n = np.shape(dataset)              # 得到数据集大小
        dataset = np.matrix(dataset)
        for i in range(m):                  # 将标签替换成 好瓜 1 和 坏瓜 -1
            if dataset[i,n-1]=='是': dataset[i,n-1] = 1
            else : dataset[i,n-1] = -1
        self.future = Attributes[1:n-1]      # 特征名称（属性名称）
        self.x = dataset[:,1:n-1]