聚类算法之k-means算法程序实现

蜗牛遥遥

于 2019-03-29 21:20:09 发布

阅读量2k

点赞数

CC 4.0 BY-SA版权

分类专栏：人工智能机器学习文章标签： k-means 机器学习聚类算法

本文链接：https://blog.youkuaiyun.com/qq_37960402/article/details/88902143

本文介绍了如何基于书中的指导实现k-means聚类算法，并针对鸢尾花数据集进行分类。通过改进代码流程，尤其是在第9步，实现了新均值向量的计算和判断，以提高算法效率。实验结果展示了k值分别为2、4、6时的数据分类情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

k-means算法程序实现
最近看了一下聚类算法，然后根据书上的代码实现了用k-mean分类鸢尾花数据集。
书中的代码流程图：

在这里插入图片描述

书中的代码可以进一步改进，我的做法如下：
前1到8步一样，从第九步开始变为如下：
new_u=[]
for i=1,2,……k do

计算新均值向量 u1‘
将新均值向量u1’加入到new_u中

if u！=new_u：

break

from sklearn.datasets import load_iris
import pdb
import  matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
import random
import numpy as np
import math
#加载数据集
data = load_iris()
x = data.data[data.target != 2]
y = data.target[data.target != 2]
# pdb.set_trace()
x = x[:, :2]
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.6)
plt.scatter(x_train[:,0],x_train[:,1],c=y_train)
plt.show()
#显示初始的结果
########################
#定义初始值：
ui= []
mynum=[]
i=0
k=6
while (len(ui) < k):
    x = random.randint(0, len(x_train)-1)
    if x not