一种使用Python自实现KMeans++聚类算法的写法

失踪人口回归

---

前言

最近学的内容主要是Python，内容比较杂：numpy，pandas，PyQt，数据挖掘等等，正好找个机会写个小项目练练手。

先上效果图，（项目链接在文章最后）：

---

提示：以下是本篇文章正文内容

一、关于KMeans聚类以及KMeans++的原理？

网上介绍这个最最基本的聚类方法的教程和视频等实在太多了，不便啰嗦。

推荐两个：

1、【机器学习】K-means（非常详细）这篇文章偏数学逻辑，建议反复阅读

2、什么是 K-Means（K均值聚类）？【知多少】这是个视频，简单易懂地理解KMeans的原理

二、核心内容

1、数据集介绍

链接：https://pan.baidu.com/s/1N8kmTe06ZVpdanITMEaBpg
提取码：ygtl

特征量有十维，target为聚类目标量，可用来后期校验结果正确性

2、核心代码

import numpy as np
import pandas as pd
import random

# 读取数据
read_df = pd.read_csv('text_datas.csv')
target = read_df.iloc[:, -1]
data = read_df.iloc[:, 1:-1]

k = 7
n = data.shape[0]
dis = np.zeros([n, k + 1])

# 随机选取中心
center = np.array([data.iloc[random.randint(0, n - 1), :]])
while center.shape[0] <= k - 1:
    temp_dis = np.zeros([n, center.shape[0]])
    # 求样本点到聚类中心点的距离
    for i in range(center.shape[0]):
        temp_dis[::, i] = ((data - center[i]) ** 2).sum(axis=1)
    # 计算其和最近的一个“种子点”的距离
    D = np.min(temp_dis, axis=1)
    # 把这些距离加起来,取一个能落在其中的随机值R
    R = random.uniform(0, D.sum())
    for i in range(D.shape[0]):
        R -= D[i]
        if R <= 0:
            break
    # 此时的点就是下一个“种子点”
    center = np.append(center, np.array([data.iloc[i, :]]), axis = 0)

iter_ = 500

while iter_ > 0:
    # 求样本点到聚类中心点的距离
    for i in range(center.shape[0]):
        dis[::, i] = ((data - center[i]) ** 2).sum(axis=1)
    # 归类
    dis[:, -1] = np.argmin(dis[:, :-1], axis=1)
    # 求新的聚类中心
    new_center = np.zeros_like(center)
    for j in range(k):
        new_center[j, :] = data.values[dis[:, -1] == j, :].mean(axis=0)

    # 如果点簇不再变动
    if (center==new_center).all():
        break

    center = new_center
    iter_ -= 1

print('循环{}次'.format(500-iter_))

#pca降维
from sklearn.decomposition import PCA

pca = PCA(n_components=2)
newData = pca.fit_transform(data)
newData = pd.DataFrame(newData)

# 可视化
import matplotlib.pyplot as plt
x = np.array(newData.iloc[:, 0])
y = np.array(newData.iloc[:, 1])

# 原数据
plt.subplot(2,1,1)
plt.scatter(x, y, c=np.array(target))
# 预测数据
plt.subplot(2,1,2)
plt.scatter(x, y, c=dis[:, -1])
plt.show()

运行结果截图：

3、完整项目

对核心代码做“亿点点”的改造和包装之后就做成了文章开头的样子，截图如下：

项目完整代码下载链接：

点击跳转

---

结语

创作不易，如果您觉得写得还行，还请点赞、评论、收藏走一波。