python实现K-means算法

K-means算法流程:

1. 随机选k个样本作为初始聚类中心
2. 计算数据集中每个样本到k个聚类中心距离，并将其分配到距离最小的聚类中心
3. 对于每个聚类，重新计算中心
4. 回到2，至得到局部最优解

python代码：

import random
import numpy as np
import matplotlib.pyplot as plt

plt.ion()#开启交互，matplotlib默认阻塞模式，直到调用plt.show()才会显示

def getDistance(point1,point2): #求距离
    return ((point1[0]-point2[0])**2+(point1[1]-point2[1])**2)**0.5

def cluster(): #根据中心聚类
    distance=np.zeros((N,k))
    for i in range(N):
        minimum=9999
        for j in range(k):
            distance[i,j]=getDistance(point[i],centers[j])
        for j in range(k):
            if distance[i,j]<minimum:
                minimum=distance[i,j]
                center[i]=centers[j]
                
def getE():  #求误差平方和
    sum_=0
    for i in range(k):
        for j in range(N):
            if np.all(center[j]==centers[i]):
                sum_+=getDistance(point[j],centers[i])**2
    return sum_

def getNewCenters():#获得新的中心点
    for i in range(k):
        count=0
        temp_x=0
        temp_y=0
        for j in range(N):
            if np.all(center[j]==centers[i]):
                count+=1
                temp_x+=point[j,0]
                temp_y+=point[j,1]
        temp_x/=count;
        temp_y/=count;
        centers[i]=np.array([temp_x,temp_y])
            
    
def show(): #展示
    for i in range(k):
        for j in range(N):
            if np.all(center[j]==centers[i]):
                plt.scatter(point[j,0],point[j,1],c=cnames[i],s=10)
    plt.scatter(centers[:,0],centers[:,1],c='black',s=50)
    
k=3  #聚类中心个数
N=100 #数据集个数
cnames=['red','yellow','blue','chocolate','darkcyan','darksalmon','red','pink','yellow']

center=np.zeros((N,2)) #各数据分配的中心
point=np.random.rand(N,2) #数据集中的样本
index=np.random.choice(N,k,replace=False) 
centers=point[index[:]]     #随机抽取K个作为聚类中心

cluster()
show()

t1=0
t=getE()
while t-t1:
    t1=t
    getNewCenters()
    cluster()
    t=getE()
    plt.pause(0.2)
    plt.clf()
    show()

plt.ioff()

代码效果：