k-means对一维数组进行聚类的代码，适合初学者_一维数组聚类资源-CSDN文库

95 浏览量 2021-01-21 17:16:53 上传评论 3 收藏 30KB PDF 举报

资源推荐

资源详情

资源评论

k-means对一维数组进行聚类的代码，适合初学者对一维数组进行聚类的代码，适合初学者

关于k-means聚类的原理可以参考这篇博客：

https://blog.csdn.net/sinat_36710456/article/details/88019323

本篇只讨论基本的代码实现，由于只是对一维数组的聚类，距离公式上比较简单：distance = |a – b| 适合初学者理解最基本的

原理

所谓一维数组

比如： [12, 3, 56, 89, 78, 2, 12, 45, 255, 236]

以下代码实现的是对一组数字的聚类

类别的个数可以设置，改变参数n的值即可

代码如下（建议从最下边的主函数开始看起）：

import numpy as np

import matplotlib.pyplot as plt

from time import *

def dis(a, b):

return abs(a-b)

def take_first(list_):

return list_[0]

def plot_(centroids, groups_list):

for i in range(len(centroids)):

centroids[i] = int(centroids[i])

z = list(zip(centroids, groups_list))

z.sort(key=take_first)

for i in range(len(centroids)):

centroids[i] = z[i][0] groups_list[i] = z[i][1] plt.bar(np.arange(len(centroids)), groups_list, align='center', color='c',

tick_label=centroids)

plt.title('Distribution ', fontsize=20)

plt.xlabel('Area_Categories ', fontsize=18)

plt.ylabel('Numbers', fontsize=18)

plt.tick_params(axis='both', labelsize=14)

plt.tight_layout()

for a, b in zip(np.arange(len(centroids)), groups_list):

plt.text(a, b, b, ha='center', va='baseline', fontsize=14, fontstyle='italic')

plt.show()

def do_kmeans(n, area_list, centroids):

loss = 0

groups = [] new_centroids = [] for i in range(n):

groups.append([])

new_centroids.append(0)

for area in area_list:

min_distance = 1000000

group_index = 0

for centroid_index, centroid in enumerate(centroids):

distance = dis(area, centroid)

if distance 1:

area_list.append(float(temp))

f.close()

centroid_indices = np.random.choice(len(area_list), n)

centroids = [] for centroid_index in centroid_indices:

centroids.append(area_list[centroid_index])

centroids, groups, old_loss = do_kmeans(n, area_list, centroids)

iterations = 1

i = 0

while True:

i = 1+i

centroids, groups, loss = do_kmeans(n, area_list, centroids)

iterations = iterations + 1

print("number:", i, "************loss = %f" % loss)

if abs(old_loss - loss) iterations_num:

break

old_loss = loss

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1页未读，立即下载

内容反馈

weixin_38656142

粉丝: 6
资源: 909

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