python手写kmeans

kmeans是数据挖掘中最简单的一个算法, 正是因为它简单,在很多面试中有的面试官会要求你手写一段kmeans的代码。笔者结合自己对kmeans的理解,采用西瓜书中数据手写了一个kmeans算法,跟网上版本略有出入,但思路是差不多的,可以供大家思考。
首先来说一下kmeans的原理,其实就是根据距离将样本划分为k类,最终实现类内距离最短和类间距离最大,其他原理比较简单就不多说了,大家如果有疑问自己百度一下相关内容。下面贴出代码。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#知识点用map函数将str转化为floatlist
base_data = []
with open('xigua.txt') as f:
    for line in f.readlines()[1:]:
        data_line = line.strip().split(',')
        data_line = list(map(float, data_line))
        base_data.append(data_line)
print(base_data)


def cal_distance(x, y):
    x = np.array(x)
    y = np.array(y)
    return np.sqrt(np.sum(np.power(x-y, 2)))
# distance = caldistance(base_data[0], base_data[1])
# print(distance)


def cal_eplision(x, y, eplision):
    if x - y <= eplision:
        return 1
    else:
        return 0



def set_init_center(data_set, k):
    data_set = np.array(data_set)
    init_center = np.zeros((k, data_set.shape[1]))
    max_feature = np.max(data_set, axis=0)
    min_feature = np.min(data_set, axis=0)
    for i in range(k):
        for j in range(data_set.shape[1]):
            init_center[i, j] = min_feature[j] + np.random.random() * (max_feature[j] - min_feature[j])
    #array可以直接整行或者整列运行
    return init_center
# init_center = set_init_center(base_data, 5)
# print(init_center)


def kmeans(data_set, k):
    assert k <= len(data_set)
    data_set = np.array(data_set)
    data_with_label = np.zeros(len(data_set))
    init_center = set_init_center(data_set, k)
    flag = 1
    optimized_distance = 0
    while flag:
        sum_point = np.zeros((1, k))
        sum_feature = np.zeros((k, len(data_set[0])))
        sum_distance = np.zeros((1, k))
        for i in range(len(data_set)):
            min_center = 0
            min_distance = 10e+6
            for j in range(len(init_center)):
                distance_tmp = cal_distance(init_center[j], data_set[i])
                if distance_tmp <= min_distance:
                    min_center = j
                    min_distance = distance_tmp
            data_with_label[i] = min_center
            sum_point[0, min_center] += 1
            sum_feature[min_center, :] += data_set[i, :]
            sum_distance[0, min_center] += min_distance
        sum_point = np.repeat(sum_point, len(data_set[0]), axis=0).reshape(k, len(data_set[0]))
        new_center = sum_feature/sum_point
        # np.mean() array也可以用逻辑切片
        # print(sum_distance)
        sum_distance_tmp = sum(sum_distance[0])
        # print(sum_distance_tmp)
        if not cal_eplision(sum_distance_tmp, optimized_distance, 10e-6):
            flag = 0
        optimized_distance = sum_distance_tmp
    return new_center, data_with_label


def plot_kmeans(base_data, k):
    new_center, data_with_label = kmeans(base_data, k)
    base_data = np.array(base_data)
    new_base_data = np.insert(base_data, 0, values=data_with_label, axis=1)
    new_base_data = pd.DataFrame(new_base_data)
    fig, ax = plt.subplots(figsize=(10, 8))
    corlor_set = ['r', 'b', 'g', 'm', 'y', 'k']
    for i in range(k):
        new_base_data_tmp = new_base_data[new_base_data[0] == i]
        ax.scatter(new_base_data_tmp[1], new_base_data_tmp[2], c=corlor_set[i])
    plt.show()


plot_kmeans(base_data, 3)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,039评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,426评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,417评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,868评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,892评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,692评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,416评论 3 419
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,326评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,782评论 1 316
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,957评论 3 337
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,102评论 1 350
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,790评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,442评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,996评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,113评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,332评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,044评论 2 355

推荐阅读更多精彩内容