数据集和地图可以点赞关注收藏后私信博主要
聚类是一类机器学习基础算法的总称。
聚类的核心计算过程是将数据对象集合按相似程度划分成多个类，划分得到的每个类称为聚类的簇
聚类不等于分类，其主要区别在于聚类所面对的目标类别是未知的
k-means聚类也称为K均值聚类算法，是典型的聚类算法，对于给定的数据集和需要划分的类数K，算法根据距离函数进行迭代处理，动态 的把数据划分成K个簇，直到收敛为止，簇中心也称为聚类中心
先来个小例子
这个是通过聚类算法对鸢尾花数据集的预测结果
代码如下
from sklearn.cluster import KMeans from sklearn import datasets import numpy as np iris=datasets.load_iris() x=iris.data y=iris.target clf=KMeans(n_clusters=3) model=clf.fit(x) predicted=model.predict(x) print("预测值",predicted) print("真实值",y) print()
同样地k-means聚类算法广泛地应用于人群分类，图像分割，物种聚类等等问题中
下面以一个物流配送问题为例进行详细讲解
问题描述：双十一期间，物流公司要给某城市的50个客户配送货物，假设公司只有5辆货车，客户的地理坐标在txt文件中，如何配送效率最高
问题分析：使用k-means算法，将地址数据分为5类，由于每一类客户地址相近，可以分配给同一台货车
原地图如下
经过聚类分析后结果如下
很明显根据客户的地址分为5个簇，每个簇由一台货车集中配送
源代码如下
#coding=utf-8 from numpy import * from matplotlib import pyplot as plt import matplotlib; matplotlib.use('TkAgg') def disteclud(veca,vecb): return sqrt(sum(power(veca-vecb,2))) def initcenter(dataset,k): print('2.initalize cluster center') shape=dataset.shape n=shape[1] classcenter=array(zeros((k,n))) for j in range(n): firstk=dataset[:k,j] classcenter[:,j]=firstk return classcenter def mykmeans(dataset,k): m=len(dataset) clusterpoints=array(zeros((m,2))) classCenter=initcenter(dataset,k) clusterchanged=True print('3.recompute and reallocated') while clusterchanged: clusterchanged=False for i in range(m): mindist=inf minindex=-1 for j in range(k): distji=disteclud(classCenter[j,:],dataset[i,:]) if distji<mindist: mindist=distji;minindex=j if clusterpoints[i,0]!=minindex: clusterchanged=True clusterpoints[i,:]=minindex,mindist**2 for cent in range(k): ptsinclust=dataset[nonzero(clusterpoints[:,0]==cent)[0]] classCenter[cent,:]=mean(ptsinclust,axis=0) return classCenter,clusterpoints def show(dataset,k,classCenter,clusterPoints): print('4.load the map') fig=plt.figure() rect=[0.1,0.1,1.0,1.0] axprops=dict(xticks=[],yticks=[]) ax0=fig.add_axes(rect,label='ax1',frameon=False) imgp=plt.imread(r'C:\Users\Admin\Desktop\city.png') ax0.imshow(imgp) ax1=fig.add_axes(rect,label='ax1',frameon=False) print('5.show the clusters') numsamples=len(dataset) mark=['ok','^b','om','og','sc'] for i in range(numsamples): markindex=int(clusterPoints[i,0])%k ax1.plot(dataset[i,0],dataset[i,1],mark[markindex]) for i in range(k): markindex=int(clusterPoints[i,0])%k ax1.plot(classCenter[i,0],classCenter[i,1],'^r',markersize=12) plt.show() print('1. load the dataset') dataset=loadtxt(r'C:\Users\Admin\Desktop\testSet.txt') k=5 classCenter,clssspoints=mykmeans(dataset,k) show(dataset,k,classCenter,clssspoints)
