聚類(Clustering) K-means算法

1. 歸類:

  • 聚類(clustering) 屬于非監(jiān)督學(xué)習(xí)(unsupervised learning)

  • 無類別標(biāo)記(class label)

2. 舉例:

3. K-means 算法:

3.1 Clustering 中的經(jīng)典算法罚攀,數(shù)據(jù)挖掘十大經(jīng)典算法之一

3.2 算法接受參數(shù) k 往衷;然后將事先輸入的n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足:同一聚類中的對(duì)象相似度較高;而不同聚類中的對(duì)象相似度較小迅栅。

3.3 算法思想:
以空間中k個(gè)點(diǎn)為中心進(jìn)行聚類簿晓,對(duì)最靠近他們的對(duì)象歸類培廓。通過迭代的方法此衅,逐次更新各聚類中心 的值,直至得到最好的聚類結(jié)果

3.4 算法描述:

(1)適當(dāng)選擇c個(gè)類的初始中心悉患;
(2)在第k次迭代中残家,對(duì)任意一個(gè)樣本,求其到c各中心的距離售躁,將該樣本歸到距離最短的中心所在的類坞淮;
(3)利用均值等方法更新該類的中心值;
(4)對(duì)于所有的c個(gè)聚類中心陪捷,如果利用(2)(3)的迭代法更新后回窘,值保持不變,則迭代結(jié)束市袖, 否則繼續(xù)迭代毫玖。

3.5 算法流程:

輸入:k, data[n];
(1) 選擇k個(gè)初始中心點(diǎn),例如c[0]=data[0],…c[k-1]=data[k-1];
(2) 對(duì)于data[0]….data[n], 分別與c[0]…c[k-1]比較凌盯,假定與c[i]差值最少,就標(biāo)記為i;
(3) 對(duì)于所有標(biāo)記為i點(diǎn)烹玉,重新計(jì)算c[i]={ 所有標(biāo)記為i的data[j]之和}/標(biāo)記為i的個(gè)數(shù)驰怎;
(4) 重復(fù)(2)(3),直到所有c[i]值的變化小于給定閾值。

4. 舉例

優(yōu)點(diǎn):速度快二打,簡(jiǎn)單

缺點(diǎn):最終結(jié)果跟初始點(diǎn)選擇相關(guān)县忌,容易陷入局部最優(yōu),需直到k值

Reference:http://croce.ggf.br/dados/K%20mean%20Clustering1.pdf

5.代碼

 import numpy as np

# Function: K Means

# -------------

# K-Means is an algorithm that takes in a dataset and a constant

# k and returns k centroids (which define clusters of data in the

# dataset which are similar to one another).

def kmeans(X, k, maxIt):

    numPoints, numDim = X.shape

    dataSet = np.zeros((numPoints, numDim + 1))

    dataSet[:, :-1] = X

    # Initialize centroids randomly

    centroids = dataSet[np.random.randint(numPoints, size = k), :]

    centroids = dataSet[0:2, :]

    #Randomly assign labels to initial centorid

    centroids[:, -1] = range(1, k +1)

    # Initialize book keeping vars.

    iterations = 0

    oldCentroids = None

    # Run the main k-means algorithm

    while not shouldStop(oldCentroids, centroids, iterations, maxIt):

        print "iteration: \n", iterations

        print "dataSet: \n", dataSet

        print "centroids: \n", centroids

        # Save old centroids for convergence test. Book keeping.

        oldCentroids = np.copy(centroids)

        iterations += 1

        # Assign labels to each datapoint based on centroids

        updateLabels(dataSet, centroids)

        # Assign centroids based on datapoint labels

        centroids = getCentroids(dataSet, k)

    # We can get the labels too by calling getLabels(dataSet, centroids)

    return dataSet

# Function: Should Stop

# -------------

# Returns True or False if k-means is done. K-means terminates either

# because it has run a maximum number of iterations OR the centroids

# stop changing.

def shouldStop(oldCentroids, centroids, iterations, maxIt):

    if iterations > maxIt:

        return True

    return np.array_equal(oldCentroids, centroids)  

# Function: Get Labels

# -------------

# Update a label for each piece of data in the dataset. 

def updateLabels(dataSet, centroids):

    # For each element in the dataset, chose the closest centroid. 

    # Make that centroid the element's label.

    numPoints, numDim = dataSet.shape

    for i in range(0, numPoints):

        dataSet[i, -1] = getLabelFromClosestCentroid(dataSet[i, :-1], centroids)

def getLabelFromClosestCentroid(dataSetRow, centroids):

    label = centroids[0, -1];

    minDist = np.linalg.norm(dataSetRow - centroids[0, :-1])

    for i in range(1 , centroids.shape[0]):

        dist = np.linalg.norm(dataSetRow - centroids[i, :-1])

        if dist < minDist:

            minDist = dist

            label = centroids[i, -1]

    print "minDist:", minDist

    return label

# Function: Get Centroids

# -------------

# Returns k random centroids, each of dimension n.

def getCentroids(dataSet, k):

    # Each centroid is the geometric mean of the points that

    # have that centroid's label. Important: If a centroid is empty (no points have

    # that centroid's label) you should randomly re-initialize it.

    result = np.zeros((k, dataSet.shape[1]))

    for i in range(1, k + 1):

        oneCluster = dataSet[dataSet[:, -1] == i, :-1]

        result[i - 1, :-1] = np.mean(oneCluster, axis = 0)

        result[i - 1, -1] = i

    return result

x1 = np.array([1, 1])

x2 = np.array([2, 1])

x3 = np.array([4, 3])

x4 = np.array([5, 4])

testX = np.vstack((x1, x2, x3, x4))

result = kmeans(testX, 2, 10)

print "final result:"

print result





????????????【注】:本文為麥子學(xué)院機(jī)器學(xué)習(xí)課程的學(xué)習(xí)筆記

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末继效,一起剝皮案震驚了整個(gè)濱河市症杏,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌瑞信,老刑警劉巖厉颤,帶你破解...
    沈念sama閱讀 219,110評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異凡简,居然都是意外死亡逼友,警方通過查閱死者的電腦和手機(jī)精肃,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,443評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來帜乞,“玉大人司抱,你說我怎么就攤上這事±枇遥” “怎么了习柠?”我有些...
    開封第一講書人閱讀 165,474評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)照棋。 經(jīng)常有香客問我资溃,道長(zhǎng),這世上最難降的妖魔是什么必怜? 我笑而不...
    開封第一講書人閱讀 58,881評(píng)論 1 295
  • 正文 為了忘掉前任肉拓,我火速辦了婚禮,結(jié)果婚禮上梳庆,老公的妹妹穿的比我還像新娘暖途。我一直安慰自己,他們只是感情好膏执,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,902評(píng)論 6 392
  • 文/花漫 我一把揭開白布驻售。 她就那樣靜靜地躺著,像睡著了一般更米。 火紅的嫁衣襯著肌膚如雪欺栗。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,698評(píng)論 1 305
  • 那天征峦,我揣著相機(jī)與錄音迟几,去河邊找鬼。 笑死栏笆,一個(gè)胖子當(dāng)著我的面吹牛类腮,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播蛉加,決...
    沈念sama閱讀 40,418評(píng)論 3 419
  • 文/蒼蘭香墨 我猛地睜開眼蚜枢,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了针饥?” 一聲冷哼從身側(cè)響起厂抽,我...
    開封第一講書人閱讀 39,332評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎丁眼,沒想到半個(gè)月后筷凤,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,796評(píng)論 1 316
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡户盯,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,968評(píng)論 3 337
  • 正文 我和宋清朗相戀三年嵌施,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了饲化。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,110評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡吗伤,死狀恐怖吃靠,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情足淆,我是刑警寧澤巢块,帶...
    沈念sama閱讀 35,792評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站巧号,受9級(jí)特大地震影響族奢,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜丹鸿,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,455評(píng)論 3 331
  • 文/蒙蒙 一越走、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧靠欢,春花似錦廊敌、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,003評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至掷空,卻和暖如春肋殴,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背坦弟。 一陣腳步聲響...
    開封第一講書人閱讀 33,130評(píng)論 1 272
  • 我被黑心中介騙來泰國(guó)打工护锤, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人酿傍。 一個(gè)月前我還...
    沈念sama閱讀 48,348評(píng)論 3 373
  • 正文 我出身青樓蔽豺,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親拧粪。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,047評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • 寫在之前 因簡(jiǎn)書導(dǎo)入公式很麻煩沧侥,如果想獲得更好的觀看體驗(yàn)請(qǐng)移步https://www.zybuluo.com/ha...
    hainingwyx閱讀 6,840評(píng)論 2 13
  • Spark 實(shí)戰(zhàn)可霎,第 4 部分: 使用 Spark MLlib 做 K-means 聚類分析https://www...
    葡萄喃喃囈語(yǔ)閱讀 2,056評(píng)論 0 7
  • 參考自初識(shí)聚類算法:K均值、凝聚層次聚類和DBSCAN宴杀,模糊聚類FCM算法癣朗。 聚類的目的 將數(shù)據(jù)劃分為若干個(gè)簇,簇...
    胡哈哈哈閱讀 4,187評(píng)論 0 16
  • 1. Java基礎(chǔ)部分 基礎(chǔ)部分的順序:基本語(yǔ)法旺罢,類相關(guān)的語(yǔ)法旷余,內(nèi)部類的語(yǔ)法绢记,繼承相關(guān)的語(yǔ)法,異常的語(yǔ)法正卧,線程的語(yǔ)...
    子非魚_t_閱讀 31,639評(píng)論 18 399
  • 《我好像感覺到》 我好像感覺到 手指上有一片塵埃 正在變得荒蕪蠢熄,要么有些浪漫 像是一個(gè)詭異的單戀者 一直匍匐在周圍...
    牧明閱讀 305評(píng)論 5 3