kmeans聚类算法python实现资源-CSDN文库

需积分: 1 4 浏览量 2023-11-05 17:37:14 上传评论收藏 16KB DOCX 举报

资源推荐

资源详情

资源评论

kmeans 聚类算法 python 实现

以下是使用 Python 实现 k 均值（k-means）聚类算法的示例代码：

import numpy as np

def k_means(data, k, max_iterations=100):

# 随机选择 k 个初始质心

centroids = data[np.random.choice(range(len(data)), k)]

for _ in range(max_iterations):

# 计算每个样本与质心之间的距离

distances = np.linalg.norm(data[:, np.newaxis] - centroids, axis=2)

# 对每个样本，选取距离最近的质心作为其所属类别

labels = np.argmin(distances, axis=1)

# 更新质心位置为所属类别的平均值

new_centroids = np.array([data[labels == i].mean(axis=0) for i in range(k)])

# 如果新的质心位置与旧的质心位置相同，则停止迭代

if np.all(centroids == new_centroids):

break

centroids = new_centroids

return labels, centroids

这个示例代码中的 data 是输入的样本数据，每个样本是一个 n 维向量，其中 n 是特征的数

量。k 是要聚类的簇数，max_iterations 是最大迭代次数。

函数 k_means 返回两个结果，labels 是每个样本所属的聚类簇的标签，centroids 是最终的

质心位置。

你可以使用这个示例代码来实现 k 均值聚类算法。确保在调用函数时将你自己的数据作为

参数传递进去。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余0页未读，立即下载

内容反馈

玥沐春风

粉丝: 108
资源: 741

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip