Hhh

标签：rest   过程   根据   class   python   目标   完整   cluster   中心   

1.用python实现K均值算法

K-means是一个反复迭代的过程，算法分为四个步骤：

（x,k,y)

1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心；

def initcenter(x, k): kc

2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类；

def nearest(kc, x[i]): j

def xclassify(x, y, kc):y[i]=j

3） 更新聚类中心：将每个类别中所有对象所对应的均值作为该类别的聚类中心，计算目标函数的值；

def kcmean(x, y, kc, k):

4） 判断聚类中心和目标函数的值是否发生改变，若不变，则输出结果，若改变，则返回2）。

while flag:

  y = xclassify(x, y, kc)

  kc, flag = kcmean(x, y, kc, k)

1. 鸢尾花花瓣长度数据做聚类并用散点图显示。

2. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类并用散点图显示.

3. 鸢尾花完整数据做聚类并用散点图显示.

Hhh

标签：rest   过程   根据   class   python   目标   完整   cluster   中心   

原文地址：https://www.cnblogs.com/vitan/p/9879931.html