使用Python实现K均值聚类算法

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
大数据开发治理平台 DataWorks,不限时长
简介: 使用Python实现K均值聚类算法

K均值(K-Means)算法是一种常用的聚类算法,它将数据集分成K个簇,每个簇的中心点代表该簇的质心,使得每个样本点到所属簇的质心的距离最小化。在本文中,我们将使用Python来实现一个基本的K均值聚类算法,并介绍其原理和实现过程。

什么是K均值算法?

K均值算法是一种迭代的聚类算法,其基本思想是通过不断迭代优化簇的中心点位置,使得每个样本点到其所属簇的质心的距离最小化。算法首先随机初始化K个质心,然后将每个样本点分配给距离最近的质心所属的簇,然后更新每个簇的质心,重复这个过程直到簇不再发生变化或达到最大迭代次数。

使用Python实现K均值算法

1. 导入必要的库

首先,我们需要导入必要的Python库:

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs

2. 准备数据

接下来,我们准备一个示例数据集:

X, _ = make_blobs(n_samples=300, centers=4, cluster_std=0.6, random_state=0)

3. 实现K均值算法

接下来,我们实现K均值算法:

def k_means(X, n_clusters, max_iters=100):
    centroids = X[np.random.choice(len(X), n_clusters, replace=False)]
    for _ in range(max_iters):
        clusters = [[] for _ in range(n_clusters)]
        for x in X:
            distances = [np.linalg.norm(x - c) for c in centroids]
            cluster = np.argmin(distances)
            clusters[cluster].append(x)
        new_centroids = [np.mean(c, axis=0) for c in clusters]
        if np.allclose(new_centroids, centroids):
            break
        centroids = new_centroids
    return np.array(centroids), clusters

n_clusters = 4
centroids, clusters = k_means(X, n_clusters)

4. 可视化结果

最后,我们可以绘制数据点和聚类中心的可视化图:

plt.figure(figsize=(8, 6))
for i, cluster in enumerate(clusters):
    cluster = np.array(cluster)
    plt.scatter(cluster[:, 0], cluster[:, 1], label=f'Cluster {i+1}')
plt.scatter(centroids[:, 0], centroids[:, 1], marker='x', color='black', label='Centroids')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('K-Means Clustering')
plt.legend()
plt.show()

结论

通过本文的介绍,我们了解了K均值聚类算法的基本原理和Python实现方法。K均值算法是一种简单而有效的聚类算法,适用于各种类型的数据集,并且具有较快的运行速度。通过使用Python的NumPy库,我们可以实现K均值算法,并对数据进行聚类分析。

希望本文能够帮助读者理解K均值聚类算法的基本概念,并能够在实际应用中使用Python实现K均值算法。

目录
相关文章
|
5天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】聚类算法中,如何判断数据是否被“充分”地聚类,以便算法产生有意义的结果?
【5月更文挑战第14天】【机器学习】聚类算法中,如何判断数据是否被“充分”地聚类,以便算法产生有意义的结果?
|
6天前
|
算法 搜索推荐 C语言
Python实现数据结构与算法
【5月更文挑战第13天】学习数据结构与算法能提升编程能力,解决复杂问题,助你面试成功。从选择资源(如《算法导论》、Coursera课程、LeetCode)到实践编码,逐步学习基本概念,通过Python实现栈、队列和快速排序。不断练习、理解原理,探索高级数据结构与算法,参与开源项目和算法竞赛,持续反思与实践,以提升技术能力。
6 0
|
6天前
|
机器学习/深度学习 传感器 算法
【机器学习】在聚类算法中,使用曼哈顿距离和使用欧式距离有什么区别?
【5月更文挑战第12天】【机器学习】在聚类算法中,使用曼哈顿距离和使用欧式距离有什么区别?
|
6天前
|
机器学习/深度学习 算法 数据可视化
【机器学习】比较分层聚类(Hierarchical Clustering)和K-means聚类算法
【5月更文挑战第12天】【机器学习】比较分层聚类(Hierarchical Clustering)和K-means聚类算法
|
6天前
|
机器学习/深度学习 算法 数据可视化
Python 数据结构和算法实用指南(四)(4)
Python 数据结构和算法实用指南(四)
13 1
|
6天前
|
机器学习/深度学习 存储 算法
Python 数据结构和算法实用指南(四)(3)
Python 数据结构和算法实用指南(四)
15 1
|
6天前
|
存储 算法 搜索推荐
Python 数据结构和算法实用指南(四)(2)
Python 数据结构和算法实用指南(四)
10 0
|
6天前
|
存储 算法 Serverless
Python 数据结构和算法实用指南(四)(1)
Python 数据结构和算法实用指南(四)
14 0
|
6天前
|
存储 算法 搜索推荐
Python 数据结构和算法实用指南(三)(4)
Python 数据结构和算法实用指南(三)
11 1
|
6天前
|
存储 搜索推荐 算法
Python 数据结构和算法实用指南(三)(3)
Python 数据结构和算法实用指南(三)
10 1