正文

Kmeans编程实现：轻松掌握聚类算法，数据可视化一步到位

/0 浏览量
0506

在数据科学和机器学习领域，聚类算法是一种重要的数据分析工具。K-means算法因其简单易用而广受欢迎。本文将带你通过编程实践，轻松掌握K-means聚类算法，并展示如何使用数据可视化工具来分析聚类结果。

K-means算法简介

K-means算法是一种基于距离的聚类算法，其目标是将n个数据点分为k个簇，使得每个数据点到其所属簇的中心的距离最小。算法的基本步骤如下：

  1. 随机选择k个数据点作为初始聚类中心。
  2. 将每个数据点分配到最近的聚类中心，形成k个簇。
  3. 重新计算每个簇的中心点。
  4. 重复步骤2和3，直到聚类中心不再发生变化或达到预设的迭代次数。

Python编程实现K-means算法

以下是一个使用Python实现K-means算法的简单示例：

import numpy as np

def kmeans(data, k, max_iter=100, tol=1e-4):
    """
    K-means聚类算法实现
    :param data: 数据集，形状为(N, D)
    :param k: 簇的数量
    :param max_iter: 最大迭代次数
    :param tol: 收敛容忍度
    :return: 聚类结果，形状为(N, 1)
    """
    # 随机初始化聚类中心
    centroids = data[np.random.choice(data.shape[0], k, replace=False)]
    
    for _ in range(max_iter):
        # 计算每个数据点到聚类中心的距离
        distances = np.linalg.norm(data[:, np.newaxis] - centroids, axis=2)
        
        # 将数据点分配到最近的聚类中心
        labels = np.argmin(distances, axis=1)
        
        # 重新计算聚类中心
        new_centroids = np.array([data[labels == i].mean(axis=0) for i in range(k)])
        
        # 判断是否收敛
        if np.linalg.norm(new_centroids - centroids) < tol:
            break
        
        centroids = new_centroids
    
    return labels

# 示例数据
data = np.array([[1, 2], [1, 4], [1, 0],
                  [10, 2], [10, 4], [10, 0]])

# 聚类
labels = kmeans(data, k=2)

# 打印聚类结果
print(labels)

数据可视化分析聚类结果

为了更好地理解聚类结果，我们可以使用数据可视化工具进行展示。以下是一个使用matplotlib库绘制聚类结果的示例：

import matplotlib.pyplot as plt

# 绘制聚类结果
plt.scatter(data[:, 0], data[:, 1], c=labels)
plt.xlabel('X')
plt.ylabel('Y')
plt.title('K-means聚类结果')
plt.show()

通过观察散点图，我们可以直观地看到数据点被分为两个簇。

总结

通过本文的介绍，相信你已经对K-means聚类算法有了初步的了解。通过编程实践和可视化分析，我们可以更好地掌握聚类算法，并将其应用于实际问题中。希望本文能帮助你轻松掌握K-means算法，为你的数据科学之旅添砖加瓦。

-- 展开阅读全文 --