day3 python学习
KMeans Clustering 聚类算法
class KMeans:

Kmeans聚类算法实现

'''Kmeans聚类算法实现'''
复制

初始化

def __init__(self, k, times):
    '''初始化
    
    Parameters
    -----
    k: int 聚成几个类
    times: int 迭代次数
    '''
    self.k = k
    self.times = times
复制

根据所给数据训练

def fit(self, X):
    '''根据所给数据训练
    
    Pararmeters
    ------
    X: 类数组类型，形如：[样本数量，特征数量]
    '''
    X = np.asarray(X)
    # 设置随机数种子，以便于可以相同的随机系列，以便随机结果重现
    np.random.seed(0)
    # 从数组中随机选择K个点作为初始聚类中心
    self.cluster_centers_ = X[np.random.randint(0, len(X), self.k)]
    # 用于存放数据所属标签
    self.labels_ = np.zeros(len(X))
    # 开始迭代
    for t in tqdm(range(self.times)):
        # 循环遍历样本计算每个样本与聚类中心的距离
        for index,x in enumerate(X):
            # 计算每个样本与每个聚类中心的欧式距离
            dis = np.sqrt(np.sum((x - self.cluster_centers_)**2, axis=1))
            # 将最小距离的索引赋值给标签数组，索引的值就是当前所属的簇。范围威威（0，K-1）
            self.labels_[index] = dis.argmin()
        # 循环便利每一个数更新聚类中心
        for i in range(self.k):
            # 计算每个簇内所有点的均值，用来更新聚类中心
            self.cluster_centers_[i] = np.mean(X[self.labels_==i], axis=0)
复制

预测样本属于哪个簇

def predict(self, X):        
    '''预测样本属于哪个簇

    Parameters
    -----
    x: 类数组类型。形如[样本数量。特征数量]

    Reeturn
    -----
    result: 类数组，每一个x所属的簇
    '''
    X = np.asarray(X)
    result = np.zeros(len(X))
    for index,x in enumerate(X):
        # 计算样本与聚类中心的距离
        dis = np.sqrt(np.sum((x - self.cluster_centers_)**2, axis=1))
        # 找到距离最近的聚类中中心划分一个类别
        result[index] = dis.argmin()
    return result
复制

全部一览

class KMeans:
    '''Kmeans聚类算法实现'''
    def __init__(self, k, times):
        '''初始化
        
        Parameters
        -----
        k: int 聚成几个类
        times: int 迭代次数
        '''
        self.k = k
        self.times = times
    def fit(self, X):
        '''根据所给数据训练
        
        Pararmeters
        ------
        X: 类数组类型，形如：[样本数量，特征数量]
        '''
        X = np.asarray(X)
        # 设置随机数种子，以便于可以相同的随机系列，以便随机结果重现
        np.random.seed(0)
        # 从数组中随机选择K个点作为初始聚类中心
        self.cluster_centers_ = X[np.random.randint(0, len(X), self.k)]
        # 用于存放数据所属标签
        self.labels_ = np.zeros(len(X))
        # 开始迭代
        for t in tqdm(range(self.times)):
            # 循环遍历样本计算每个样本与聚类中心的距离
            for index,x in enumerate(X):
                # 计算每个样本与每个聚类中心的欧式距离
                dis = np.sqrt(np.sum((x - self.cluster_centers_)**2, axis=1))
                # 将最小距离的索引赋值给标签数组，索引的值就是当前所属的簇。范围威威（0，K-1）
                self.labels_[index] = dis.argmin()
            # 循环便利每一个数更新聚类中心
            for i in range(self.k):
                # 计算每个簇内所有点的均值，用来更新聚类中心
                self.cluster_centers_[i] = np.mean(X[self.labels_==i], axis=0)
    def predict(self, X):        
        '''预测样本属于哪个簇

        Parameters
        -----
        x: 类数组类型。形如[样本数量。特征数量]

        Reeturn
        -----
        result: 类数组，每一个x所属的簇
        '''
        X = np.asarray(X)
        result = np.zeros(len(X))
        for index,x in enumerate(X):
            # 计算样本与聚类中心的距离
            dis = np.sqrt(np.sum((x - self.cluster_centers_)**2, axis=1))
            # 找到距离最近的聚类中中心划分一个类别
            result[index] = dis.argmin()
        return result

复制