聚類--K均值算法：自主實現與sklearn.cluster.KMeans調用

1.

（一）選取初始數據中的k個對象作為初始的中心，每個對象代表一個聚類中心

#隨機生成一組整數sample
import numpy as np
sample=np.random.randint(1,100,[50,1])
k=3#要分成的類別數
y=np.zeros(50)
#定義一個函數來存放開始的聚類中心kc
def start_center(sample,k):
    return sample[:3]
kc=start_center(sample,k)

（二） 對於樣本中的數據對象，根據它們與這些聚類中心的歐氏距離，按距離最近的准則將它們分到距離它們最近的聚類中心所對應的類

def nearest(kc,i):
    d=abs(kc-i)
    t=np.where(d ==np.min(d))
    return t[0][0]
nearest(kc,34)
#對其進行對應的分類
​def xclassify(sample,y,kc):
    for i in range(30):
        y[i]=nearest(kc,sample[i])
    return y
y=xclassify(sample,y,kc)
print(kc,y)

（三）更新聚類中心：將每個類別中所有對象所對應的均值作為該類別的聚類中心，計算目標函數的值

def kcmean(sample,y,kc,k):
    l=list(kc)
    flag=False
    for j in range(k):# 對k的類別進行遍歷
        m=np.where(y==j)
        print(j,sample[j])
        junzhi=np.mean(sample[m])# 求出每個類別的均值
        print(kc[j],junzhi)
        if l[j]!=junzhi: # 判斷求出的均值是否與開始的看類別值相等
            l[j]=junzhi
            flag=True
    return(np.array(l),flag)

（四）判斷聚類中心和目標函數的值是否發生改變，若不變，則輸出結果，若改變，則返回2

flag=True
while flag:
    y=xclassify(sample,y,kc)
    kc,flag=kcmean(sample,y,kc,k)
    print(y,kc)
print(sample,y)

2.鳶尾花花瓣長度做聚類分析並用散點圖展示

import matplotlib.pyplot as plt
import numpy as np
# 鳶尾花花瓣長度數據做聚類並用散點圖顯示
data=load_iris()
data_length=data['data'][:,2] # 取出鳶尾花花瓣的長度
x=data_length
y=np.zeros(x.shape[0])
kc = start_center(x,3)
flag=True
while flag:
    y=xclassify(x,y,kc)
    kc,flag=kcmean(x,y,kc,k)
print(y,kc)
# 用散點圖來展示
plt.scatter(x,x,s=x,c=y,cmap='rainbow',alpha=0.5,linewidths=4)
plt.show()

3.用sklearm包的kmeans對鳶尾花的花瓣進行分析用散點圖展示

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
# 用sklearn.cluster.KMeans，鳶尾花花瓣長度數據做聚類並用散點圖顯示.
data=load_iris()
data_length=data['data'][:,2:3]#取出鳶尾花花瓣的長度
x=data_length
#y=np.zeros(x.shape[0])
k1=KMeans(n_clusters=3)#將其類別分為3類
k1.fit(x)
kc1=k1.cluster_centers_
y_kmeans=k1.predict(x)#預測每個樣本的聚類索引
print(y_kmeans,kc1)
plt.scatter(x,np.linspace(1,150,150),c=y_kmeans,marker='x',cmap='rainbow',linewidths=4)
plt.show()

4.完整的鳶尾花數據分析用散點圖展示

# 用sklearn.cluster.KMeans，完整的鳶尾花數據做聚類並用散點圖展示
data=load_iris()
x2=data.data
k2=KMeans(n_clusters=3)#將其類別分為3類
k2.fit(x2)
kc2=k2.cluster_centers_
y_kmeans2=k2.predict(x2)#預測每個樣本的聚類索引
print(y_kmeans2,kc2,len(y_kmeans2))
plt.scatter(x2[:,0],x2[:,1],c=y_kmeans2,marker='p',cmap='rainbow',linewidths=4)
plt.show()