正文

K-means聚类算法入门：轻松掌握编程实现，数据可视化全攻略

/0 浏览量
0413

K-means聚类算法是一种常用的无监督学习算法，它通过将数据集划分为k个簇，使得每个簇内的数据点尽可能接近，而不同簇之间的数据点尽可能远离。这种算法在数据挖掘、机器学习等领域有着广泛的应用。本文将带领大家从零开始，轻松掌握K-means聚类算法的编程实现和数据可视化。

K-means聚类算法原理

1. 初始化

首先，我们需要从数据集中随机选择k个数据点作为初始的聚类中心。

2. 分配数据点

然后，计算每个数据点到各个聚类中心的距离，将每个数据点分配到距离最近的聚类中心所在的簇。

3. 更新聚类中心

接着，计算每个簇中所有数据点的均值，得到新的聚类中心。

4. 迭代

重复步骤2和步骤3，直到聚类中心不再发生变化，或者满足一定的迭代次数。

K-means聚类算法编程实现

下面，我们将使用Python编程语言实现K-means聚类算法。

import numpy as np

def k_means(data, k):
    # 初始化聚类中心
    centroids = data[np.random.choice(data.shape[0], k, replace=False)]
    # 迭代
    for _ in range(100):
        # 分配数据点
        clusters = [[] for _ in range(k)]
        for point in data:
            distances = np.linalg.norm(point - centroids, axis=1)
            closest_centroid_index = np.argmin(distances)
            clusters[closest_centroid_index].append(point)
        # 更新聚类中心
        centroids = np.array([np.mean(cluster, axis=0) for cluster in clusters])
    return centroids, clusters

数据可视化

为了更好地理解K-means聚类算法的结果，我们可以使用数据可视化技术。

1. 降维

首先，我们需要将高维数据降维到二维或三维空间，以便于可视化。

from sklearn.decomposition import PCA

pca = PCA(n_components=2)
data_reduced = pca.fit_transform(data)

2. 绘制聚类结果

接下来，我们可以使用matplotlib库绘制聚类结果。

import matplotlib.pyplot as plt

centroids, clusters = k_means(data_reduced, k=3)
for i, cluster in enumerate(clusters):
    plt.scatter(cluster[:, 0], cluster[:, 1], label=f'Cluster {i}')
plt.scatter(centroids[:, 0], centroids[:, 1], s=300, c='red', label='Centroids')
plt.title('K-means Clustering')
plt.legend()
plt.show()

通过以上步骤，我们可以轻松掌握K-means聚类算法的编程实现和数据可视化。希望本文对您有所帮助！

-- 展开阅读全文 --