位置: 编程技术 - 正文

K-means聚类算法介绍与利用python实现的代码示例(k-means聚类算法例题)

编辑:rootadmin

推荐整理分享K-means聚类算法介绍与利用python实现的代码示例(k-means聚类算法例题),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:kmeans聚类算法应用场景,k-means聚类算法的步骤,k-means聚类算法代码,kmeans聚类算法,k-means聚类算法例题,kmeans聚类算法应用场景,k-means聚类算法的步骤,kmeans聚类算法简单例题讲解,内容如对您有帮助,希望把文章链接给更多的朋友!

聚类

今天说K-means聚类算法,但是必须要先理解聚类和分类的区别,很多业务人员在日常分析时候不是很严谨,混为一谈,其实二者有本质的区别。

分类其实是从特定的数据中挖掘模式,作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器,一开始的时候可能什么都不过滤,在日常使用过程中,我人工对于每一封邮件点选“垃圾”或“不是垃圾”,过一段时间,Gmail就体现出一定的智能,能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中,其实是给每一条邮件打了一个“标签”,这个标签只有两个值,要么是“垃圾”,要么“不是垃圾”,Gmail就会不断研究哪些特点的邮件是垃圾,哪些特点的不是垃圾,形成一些判别的模式,这样当一封信的邮件到来,就可以自动把邮件分到“垃圾”和“不是垃圾”这两个我们人工设定的分类的其中一个。

聚类的的目的也是把数据分类,但是事先我是不知道如何去分的,完全是算法自己来判断各条数据之间的相似性,相似的就放在一起。在聚类的结论出来之前,我完全不知道每一类有什么特点,一定要根据聚类的结果通过人的经验来分析,看看聚成的这一类大概有什么特点。

1、概述

k-means是一种非常常见的聚类算法,在处理聚类任务中经常使用。K-means算法是集简单和经典于一身的基于距离的聚类算法

采用距离作为相似性的评价指标,即认为两个对象的距离越近,其相似度就越大。

该算法认为类簇是由距离靠近的对象组成的,因此把得到紧凑且独立的簇作为最终目标。

2、核心思想

通过迭代寻找k个类簇的一种划分方案,使得用这k个类簇的均值来代表相应各类样本时所得的总体误差最小。

k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。

k-means算法的基础是最小误差平方和准则,

其代价函数是:

式中,μc(i)表示第i个聚类的均值。

各类簇内的样本越相似,其与该类均值间的误差平方越小,对所有类所得到的误差平方求和,即可验证分为k类时,各聚类是否是最优的。

上式的代价函数无法用解析的方法最小化,只能有迭代的方法。

3、算法步骤图解

下图展示了对n个样本点进行K-means聚类的效果,这里k取2。

4、算法实现步骤

k-means算法是将样本聚类成 k个簇(cluster),其中k是用户给定的,其求解过程非常直观简单,具体算法描述如下:

1)随机选取 k个聚类质心点

2)重复下面过程直到收敛 {

对于每一个样例 i,计算其应该属于的类:

对于每一个类 j,重新计算该类的质心:

K-means聚类算法介绍与利用python实现的代码示例(k-means聚类算法例题)

}

其伪代码如下:

******************************************************************************

创建k个点作为初始的质心点(随机选择)

当任意一个点的簇分配结果发生改变时

对数据集中的每一个数据点

对每一个质心

计算质心与数据点的距离

将数据点分配到距离最近的簇

对每一个簇,计算簇中所有点的均值,并将均值作为质心

********************************************************

5、K-means聚类算法python实战

需求:

对给定的数据集进行聚类

本案例采用二维数据集,共个样本,有4个类。

运行结果:

6、K-means算法补充

K-means算法的缺点及改进方法

(1)k值的选择是用户指定的,不同的k得到的结果会有挺大的不同,如下图所示,左边是k=3的结果,这个就太稀疏了,蓝色的那个簇其实是可以再划分成两个簇的。而右图是k=5的结果,可以看到红色菱形和蓝色菱形这两个簇应该是可以合并成一个簇的:

改进:

对k的选择可以先用一些算法分析数据的分布,如重心和密度等,然后选择合适的k

(2)对k个初始质心的选择比较敏感,容易陷入局部最小值。例如,我们上面的算法运行的时候,有可能会得到不同的结果,如下面这两种情况。K-means也是收敛了,只是收敛到了局部最小值:

改进:

有人提出了另一个成为二分k均值(bisecting k-means)算法,它对初始的k个质心的选择就不太敏感

(3)存在局限性,如下面这种非球状的数据分布就搞不定了:

(4)数据集比较大的时候,收敛会比较慢。

总结

标签: k-means聚类算法例题

本文链接地址:https://www.jiuchutong.com/biancheng/372227.html 转载请保留说明!

上一篇:python通过opencv实现批量剪切图片(opencv python)

下一篇:python、java等哪一门编程语言适合人工智能?(java跟python哪个好)

  • 申请A级纳税企业需具备哪些条件
  • 企业购买银行理财的条件
  • 累计净值包含业务收入吗
  • 货币基金分红交什么税
  • 单张发票金额有多少
  • 稳岗补贴给谁
  • 软件出口税收政策
  • 职工的取暖补贴上税吗
  • 个体工商户生产经营所得税率
  • 转给个人账户的钱可以追回来了吗?
  • 商业折扣和现金折扣的区别
  • 借款利息收入增值税税负率
  • 怎样理解递归
  • 收到投资款不做资本可以做什么?
  • 企业报表里面利润怎么填
  • 如果被客户骗了货款怎么办
  • 信息化投入费用包括哪些
  • 上月暂估入账
  • 农产品的增值税率
  • 报销怎么打
  • windows11永久解决蓝屏
  • 进项税加计抵扣最新政策2019
  • 公司帮人代缴社保怎么做账
  • win10 上帝模式
  • 小规模纳税人多少钱不用交税
  • 固定资产公允价值变动会计处理
  • 工业企业采购供应管理
  • 新会计准则2020变化
  • 营业外收入不计入所有者权益吗
  • 维多利亚国家艺术馆
  • 个体经营所得税申报表a
  • vue路由用法
  • react+go
  • 小规模纳税人征收方式
  • 运输途中发生的费用
  • css隐藏元素的方式
  • php用户登录注册源码
  • 个人转帐多少不引起注意
  • 工资计提啥意思
  • 存货跌价准备的账务处理
  • 如何利用sql进行数据传输
  • sql游标用法
  • 股东转让股权公司需要审查
  • 建筑公司算不算企业
  • 分公司计提递延所得税吗
  • 应交税费期末余额在借方怎样处理
  • 借方和贷方是什么意思 现金日记账
  • 餐费补贴是否计入成本
  • 贷款公司如何确定利率
  • 收入成本率多少合理
  • 会计做账过程中遇到的问题
  • 商业零售企业商品进销差价
  • 组装电脑光盘分几种
  • 配置windows server 2008
  • unix系统命令大全
  • docker 自启动
  • xp系统安装流程图
  • win8.1怎么升级成win7
  • creative cloud怎么用
  • Linux(CentOS)用split命令分割文件的方法
  • 如何解决xp系统卡顿
  • ExtJS TabPanel beforeremove beforeclose使用说明
  • jquery表单验证代码
  • jquery关闭当前页面
  • node.js操作文件
  • css制作动画
  • windows7打开命令提示符
  • angular中的$scope
  • jquery追加节点
  • python运行py文件没反应
  • vuex的理解
  • js控制style
  • 安卓 自动更新
  • python语句查询
  • 对于初学者的鼓励
  • 国税局调动
  • 税务局如何查询社保明细
  • 豫事办登录时密码叫重置什么原因
  • 什么是从价计征,从量计征
  • 杜蕾斯验证真伪扫描
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设