您的当前位置：首页>全部文章>文章详情

【Python】如何用Python编写K-均值聚类算法

CrazyPanda发表于：2024-01-16 20:35:22浏览：263次TAG：

如何用Python编写K-均值聚类算法？

K-均值聚类算法是一种常用的数据挖掘和机器学习算法，能够将一组数据按照其属性进行分类和聚类。本文将介绍如何用Python编写K-均值聚类算法，并提供具体的代码示例。

在开始编写代码之前，我们需要了解K-均值聚类算法的基本原理。

K-均值聚类算法的基本步骤如下：

初始化k个质心。质心是指聚类的中心点，每个数据点都会被归到与其最近的质心所代表的类别。
根据每个数据点与质心的距离，将其分配到最近的质心所代表的类别。
更新质心的位置，将其设置为该类别中所有数据点的平均值。
重复步骤2和步骤3，直到质心的位置不再变化为止。

现在我们可以开始编写代码了。

导入必要的库

首先，我们需要导入必要的库，如numpy和matplotlib。

import numpy as np
import matplotlib.pyplot as plt

数据准备

我们需要准备一组用于聚类的数据。这里我们使用numpy随机生成一组二维数据。

data = np.random.randn(100, 2)

初始化质心

我们需要为聚类算法初始化k个质心。这里我们使用numpy随机选择k个数据点作为初始质心。

k = 3
centroids = data[np.random.choice(range(len(data)), k, replace=False)]

计算距离

我们需要定义一个函数来计算数据点与质心的距离。这里我们使用欧几里得距离。

def compute_distances(data, centroids):
    return np.linalg.norm(data[:, np.newaxis] - centroids, axis=2)

分配数据点到最近的质心

我们需要定义一个函数来将每个数据点分配到最近的质心所代表的类别。

def assign_clusters(data, centroids):
    distances = compute_distances(data, centroids)
    return np.argmin(distances, axis=1)

更新质心的位置

我们需要定义一个函数来更新质心的位置，即将其设置为该类别中所有数据点的平均值。

def update_centroids(data, clusters, k):
    centroids = []
    for i in range(k):
        centroids.append(np.mean(data[clusters == i], axis=0))
    return np.array(centroids)

迭代聚类过程

最后，我们需要迭代聚类过程，直到质心的位置不再变化为止。

def kmeans(data, k, max_iter=100):
    centroids = data[np.random.choice(range(len(data)), k, replace=False)]
    for _ in range(max_iter):
        clusters = assign_clusters(data, centroids)
        new_centroids = update_centroids(data, clusters, k)
        if np.all(centroids == new_centroids):
            break
        centroids = new_centroids
    return clusters, centroids

运行聚类算法

现在我们可以运行聚类算法，得到每个数据点所属的类别和最终的质心。

clusters, centroids = kmeans(data, k)

登录后复制

可视化结果

最后，我们可以使用matplotlib将结果可视化。将每个数据点按照其所属的类别进行颜色标记，并将质心的位置用红色圆圈表示。

plt.scatter(data[:, 0], data[:, 1], c=clusters)
plt.scatter(centroids[:, 0], centroids[:, 1], s=100, c='red', marker='o')
plt.show()

通过以上的代码示例，我们可以用Python实现K-均值聚类算法。你可以根据自己的需求调整聚类的个数k，以及其他参数。希望本文对你理解和实现K-均值聚类算法有所帮助！

猜你喜欢

: 【Python】使用Python中的len函数统计文本中的单词数量的示例; Python中的len函数应用实例：如何利用它统计文本中的单词数量在Python编程中，len函数是一个非常有用的函数，它用于返回一个对象的长度或元素的个数。在本文中，将介绍如何使用len函数来统计文本中的单词数量，并提供具体的代码示例。在开始编写代码之前，需要先了解一下如何定义一个单词。在本文中，我们将使用空格作为单词的分隔符，也就是说，任何两个空格之间的字符串都被认为是一个单词。下面是一个简单的代码示例，展示了如何使用len函数统计文本中的单词数量：def count_words(; 发表于：2024-01-15 浏览：317 TAG：

: 【Python】学习Python人工智能库的核心技能，构建智能应用; 打造智能应用：掌握Python人工智能库的核心技能，需要具体代码示例摘要：本文旨在介绍如何使用Python人工智能库开发智能应用。首先，我们将简要介绍Python人工智能库的重要性和应用领域。接下来，我们将重点介绍四个核心技能，包括数据处理、机器学习、深度学习和自然语言处理。我们将通过具体的代码示例和实践案例，深入讲解如何应用这些技能来打造智能应用。引言人工智能是当今科技界炙手可热的话题，而Python作为一种高效简洁的编程语言，拥有丰富的人工智能库，如NumPy、SciPy、TensorFlo; 发表于：2024-01-02 浏览：361 TAG：

: 【Python】python开发exe桌面应用，用什么工具编写好?; 使用Python开发exe桌面程序有许多工具可以选择，以下是一些常用的工具：PyInstaller：PyInstaller是一个流行的开源工具，可以将Python程序打包成可执行文件。它支持Windows、Linux和Mac OS X平台，并且可以将Python程序打包成单个可执行文件，方便用户使用。cx_Freeze：cx_Freeze是另一个常用的工具，可以将Python程序打包成可执行文件。它支持Windows和Linux平台，并且可以将Python程序打包成单个可执行文件或多个文件。Py; 发表于：2024-01-26 浏览：316 TAG：

: 【Python】Python中的字符串拼接方法有哪些？; Python中的字符串拼接方法有很多，本文将介绍几种常用的方法，并提供相应的代码示例。这些方法包括使用"+"符号、使用join()方法、使用format()方法以及使用f-string。1. 使用"+"符号拼接字符串：这是一种最简单直接的方法，只需要使用"+"符号将要拼接的字符串连接起来即可。代码示例：str1 = "Hello" str2 = " worl; 发表于：2024-01-23 浏览：299 TAG：

: 【Python】学习matplotlib绘制折线图的基本步骤; Matplotlib是Python中最著名和最常用的数据可视化库之一。掌握Matplotlib绘制折线图的基本步骤对于数据分析工作非常重要。本文将从零开始，为初学者介绍Matplotlib绘制折线图的基本步骤，并提供具体的代码示例。导入matplotlib库要开始使用Matplotlib绘制图形，首先需要导入Matplotlib库。可以使用以下代码导入：import matplotlib.pyplot as plt登录后复制准备数据在准备开始绘制折线图之前，需要先准; 发表于：2024-01-17 浏览：285 TAG：

: 【Python】Python中的列表和元组的性能比较和选择原则是什么？; Python中的列表和元组的性能比较和选择原则是什么？在Python中，列表和元组是两种常见的数据结构。它们都可以用来存储一组数据，但有一些重要的区别。本文将从性能角度比较列表和元组，并给出选择原则的建议。访问速度：在访问单个元素时，元组的性能通常比列表更好。这是因为元组是不可变的，所以Python可以在内存中更快地定位元组的元素。而列表是可变的，每次访问元素都需要进行一系列的索引操作和操作内存访问。下面是一个测试示例，比较了访问列表和元组中相同位置元素的时间：import timei; 发表于：2024-01-21 浏览：312 TAG：

: 【Python】如何用Python编写SVM算法; 如何用Python编写SVM算法？SVM（Support Vector Machine）是一种常用的分类和回归算法，基于统计学习理论和结构风险最小化原理。它具有较高的准确性和泛化能力，并且适用于各种数据类型。在本篇文章中，我们将详细介绍如何使用Python编写SVM算法，并提供具体的代码示例。安装Python和相关库在开始编写SVM算法之前，首先需要确保已经安装了Python和相关的机器学习库。推荐使用Anaconda作为Python的集成开发环境，它不仅自带了Python解释器，还包括了很多常; 发表于：2024-01-16 浏览：277 TAG：

: 【Python】ChatGPT Python API使用指南：实现个性化聊天回复; ChatGPT Python API使用指南：实现个性化聊天回复引言：ChatGPT是OpenAI的一种强大的自然语言处理模型，可以用于实现人机对话系统。在这篇文章中，我将为您介绍如何通过Python API来使用ChatGPT，并给出具体的代码示例，以帮助您实现个性化的聊天回复。一、准备工作：在开始之前，您需要确保您的系统已经安装了OpenAI库，可以通过下列命令进行安装：pip install openai然后，您需要一个OpenAI帐户，并获取到一个有效的API密钥，以; 发表于：2024-01-24 浏览：367 TAG：

: 【Python】使用清华源加速Python包下载，适用于Windows操作系统的Pip设置; 在Windows系统下，使用Pip设置清华源，加速Python包的下载Python是一种广泛使用的高级编程语言，具有强大的功能和丰富的生态系统。在使用Python进行开发时，我们常常需要从Python Package Index（简称PyPI）上下载各种第三方库。然而，由于PyPI服务器位于国外，导致下载速度较慢，特别是在国内网络环境下。为了解决这个问题，我们可以使用清华大学的镜像源来加速Python包的下载。清华源是清华大学开放源代码软件镜像站提供的服务。它提供了包括PyPI在内的诸多开源软件; 发表于：2024-01-17 浏览：338 TAG：

: 【Python】Python音频处理库的使用指南; 音频处理是多媒体领域的一个重要分支，除了音乐产业，还是人工智能、人机交互等领域的必备技能。在Python中，音频处理库是比较常用的，它可以帮助我们进行音频采集、处理和分析。本文将会介绍一些常用的Python音频处理库和它们的使用方法。一、PyAudioPyAudio是一个Python模块，它可以协助我们在Python中实现音频的采集和播放等功能。它支持多种操作系统，不仅仅能够在Windows系统上使用，还可以在Linux和Mac OS X上使用。使用PyAudio，我们可以轻松地读取和写入音频文; 发表于：2024-01-22 浏览：301 TAG：

栏目分类全部>

推荐文章

