aiaiask.com©

开花即结果 提问即答案

python自编程实现k-means聚类模型并画出图像
原始问题:

python自编程实现k-means聚类模型并画出图像

好的,下面是Python自编程实现k-means聚类模型并画出图像的步骤:

  1. 导入必要的库
import numpy as np
import matplotlib.pyplot as plt
  1. 生成数据集
# 生成数据集
np.random.seed(42)
X = np.random.randn(100, 2)
  1. 定义k-means聚类模型
class KMeans:
    def __init__(self, k=2, max_iter=100):
        self.k = k
        self.max_iter = max_iter
        
    def fit(self, X):
        # 随机初始化聚类中心
        self.centers = X[np.random.choice(len(X), self.k, replace=False)]
        
        for i in range(self.max_iter):
            # 计算每个样本到聚类中心的距离
            distances = np.sqrt(((X - self.centers[:, np.newaxis])**2).sum(axis=2))
            
            # 分配样本到最近的聚类中心
            labels = np.argmin(distances, axis=0)
            
            # 更新聚类中心
            for j in range(self.k):
                self.centers[j] = X[labels == j].mean(axis=0)
                
        self.labels = labels
  1. 使用k-means聚类模型进行聚类
# 使用k-means聚类模型进行聚类
kmeans = KMeans(k=3)
kmeans.fit(X)
  1. 可视化聚类结果
# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels)
plt.scatter(kmeans.centers[:, 0], kmeans.centers[:, 1], marker='*', s=200, c='r')
plt.show()

完整代码如下:

import numpy as np
import matplotlib.pyplot as plt

class KMeans:
    def __init__(self, k=2, max_iter=100):
        self.k = k
        self.max_iter = max_iter
        
    def fit(self, X):
        # 随机初始化聚类中心
        self.centers = X[np.random.choice(len(X), self.k, replace=False)]
        
        for i in range(self.max_iter):
            # 计算每个样本到聚类中心的距离
            distances = np.sqrt(((X - self.centers[:, np.newaxis])**2).sum(axis=2))
            
            # 分配样本到最近的聚类中心
            labels = np.argmin(distances, axis=0)
            
            # 更新聚类中心
            for j in range(self.k):
                self.centers[j] = X[labels == j].mean(axis=0)
                
        self.labels = labels

# 生成数据集
np.random.seed(42)
X = np.random.randn(100, 2)

# 使用k-means聚类模型进行聚类
kmeans = KMeans(k=3)
kmeans.fit(X)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels)
plt.scatter(kmeans.centers[:, 0], kmeans.centers[:, 1], marker='*', s=200, c='r')
plt.show()
python自编程实现k-means聚类模型并画出图像
https://www.aiaiask.com/ask/37179.html
AI / 模型iFLYTEK
时间 / DATEJune 17, 2023, 12:12 PM
语言zh-CN
IP / 区域广东 深圳