K-Means
所属分类:聚类算法
开发工具:Python
文件大小:6KB
下载次数:0
上传日期:2020-10-13 09:03:12
上 传 者:
sh-1993
说明: 只需要两行代码即可实现K-Means中心聚类算法
(Only two lines of code are needed to implement the K-Means central clustering algorithm)
文件列表:
.idea (0, 2020-10-13)
.idea\K-Means.iml (407, 2020-10-13)
.idea\inspectionProfiles (0, 2020-10-13)
.idea\inspectionProfiles\Project_Default.xml (1179, 2020-10-13)
.idea\inspectionProfiles\profiles_settings.xml (174, 2020-10-13)
.idea\misc.xml (185, 2020-10-13)
.idea\modules.xml (266, 2020-10-13)
.idea\other.xml (233, 2020-10-13)
K-Means.py (2773, 2020-10-13)
xclara.csv (3618, 2020-10-13)
# K-Means算法的Python实现
注:该数据集仅为Demo,如需完整数据请Email:e.hanzhuo@gmai.com
如果觉得对您有帮助的话,劳烦给个Star
在K-Means.py中定义了一个KMeans类,只需要两行代码即可实现K-Means中心聚类算法
```python
km = KMeans(dataset_tmp, 3) # 聚成三个簇
km.fit()
```
该类具体方法如下:
## \_\_init\_\_(self, dataset, cluster_num=2)
该类的初始化方法,参数如下:
dataset: list 数据集,列表嵌套列表的形式。例如[[1,2,3,...], [4,5,6,...],...]
cluster_num: int 要划分的簇的个数。Default: 2
return: None
Demo: 若要对dataset_tmp进行聚类,首先实例化KMeans类
附部分dataset_tmp截图
{% qnimg K-Means算法及Python实现_dataset_demo.png alt:dataset_demo %}
```python
km = KMeans(dataset_tmp, 3)
```
## fit(self)
进行聚类
return: None
``` python
km.fit()
```
## _distance(p1, p2)
p1点和p2点的欧氏距离
@staticmethod
p1: list 形如[x,y]
return: None
## \_center(_list):
计算坐标组中的中心点
@staticmethod
_list: list 形如dataset,列表嵌套列表的形式。例如[[1,2,3,...], [4,5,6,...],...]
return: list 中心点坐标[x,y,z,...]
近期下载者:
相关文件:
收藏者: