Python — k-means聚类算法对数据进行分类.zip

# -*- coding: utf-8 -*- #导入相应的包 import scipy import scipy.cluster.hierarchy as sch from scipy.cluster.vq import vq,kmeans,whiten import numpy as np import matplotlib.pylab as plt #待聚类的数据点,cancer.csv有653行数据,每行数据有11维: dataset = np.loadtxt('cancer.csv', delimiter=",") #np数据从0开始计算，第0维维序号排除，第10维为标签排除，所以为1到9 points = dataset[:,1:9] cancer_label = dataset[:,10] print "points:\n",points print "cancer_label:\n",cancer_label # k-means聚类 #将原始数据做归一化处理 data=whiten(points) #使用kmeans函数进行聚类,输入第一维为数据,第二维为聚类个数k. #有些时候我们可能不知道最终究竟聚成多少类,一个办法是用层次聚类的结果进行初始化.当然也可以直接输入某个数值. #k-means最后输出的结果其实是两维的,第一维是聚类中心,第二维是损失distortion,我们在这里只取第一维,所以最后有个[0] #centroid = kmeans(data,max(cluster))[0] centroid = kmeans(data,2)[0] print centroid #使用vq函数根据聚类中心对所有数据进行分类,vq的输出也是两维的,[0]表示的是所有数据的label label=vq(data,centroid)[0] num = [0,0] for i in label: if(i == 0): num[0] = num[0] + 1 else: num[1] = num[1] + 1 print 'num =',num #np.savetxt('file.csv',label) print "Final clustering by k-means:\n",label result = np.subtract(label,cancer_label) print "result:\n",result count = [0,0] for i in result: if(i == 0): count[0] = count[0] + 1 else: count[1] = count[1] + 1 print count print float(count[1])/(count[0]+count[1])