數(shù)據(jù)挖掘十大經(jīng)典算法系列，點(diǎn)擊鏈接直接跳轉(zhuǎn)：

• 數(shù)據(jù)挖掘簡(jiǎn)介及十大經(jīng)典算法（大綱索引）
• 1. 數(shù)據(jù)挖掘十大經(jīng)典算法之——C4.5 算法
• 2. 數(shù)據(jù)挖掘十大經(jīng)典算法之——K-Means 算法
• 3. 數(shù)據(jù)挖掘十大經(jīng)典算法之——SVM 算法
• 4. 數(shù)據(jù)挖掘十大經(jīng)典算法之——Apriori 算法
• 5. 數(shù)據(jù)挖掘十大經(jīng)典算法之——EM 算法
• 6. 數(shù)據(jù)挖掘十大經(jīng)典算法之——PageRank 算法
• 7 數(shù)據(jù)挖掘十大經(jīng)典算法之——AdaBoost 算法
• 8. 數(shù)據(jù)挖掘十大經(jīng)典算法之——KNN 算法
• 9. 數(shù)據(jù)挖掘十大經(jīng)典算法之——Naive Bayes 算法
• 10. 數(shù)據(jù)挖掘十大經(jīng)典算法之——CART 算法

簡(jiǎn)介

K-Means是一個(gè)簡(jiǎn)單的聚類算法，把n 的對(duì)象根據(jù)他們的屬性分為k 個(gè)分割，k < n。算法的核心就是要優(yōu)化失真函數(shù)J,使其收斂到局部最小值但不是全局最小值。
，其中N 為樣本數(shù)，K 是簇?cái)?shù)，rnk b 表示n 屬于第k 個(gè)簇，uk 是第k 個(gè)中心點(diǎn)的值。然后求出最優(yōu)的uk

優(yōu)點(diǎn)：算法速度很快。

缺點(diǎn)是，分組的數(shù)目k 是一個(gè)輸入?yún)?shù)，不合適的k 可能返回較差的結(jié)果。

原理

步驟

特性

案例

代碼

python半監(jiān)督K均值代碼：
代碼來源：https://blog.csdn.net/tyh70537/article/details/80483654

# -*- coding: utf-8 -*- import numpy as npdef distEclud(vecA, vecB):'''輸入：向量A和B輸出：A和B間的歐式距離'''return np.sqrt(sum(np.power(vecA - vecB, 2)))def newCent(L):'''輸入：有標(biāo)簽數(shù)據(jù)集L輸出：根據(jù)L確定初始聚類中心'''centroids = []label_list = np.unique(L[:,-1])for i in label_list:L_i = L[(L[:,-1])==i]cent_i = np.mean(L_i,0)centroids.append(cent_i[:-1])return np.array(centroids) def semi_kMeans(L, U, distMeas=distEclud, initial_centriod=newCent):'''輸入：有標(biāo)簽數(shù)據(jù)集L（最后一列為類別標(biāo)簽）、無標(biāo)簽數(shù)據(jù)集U（無類別標(biāo)簽）輸出：聚類結(jié)果'''dataSet = np.vstack((L[:,:-1],U))#合并L和Ulabel_list = np.unique(L[:,-1])k = len(label_list) #L中類別個(gè)數(shù)m = np.shape(dataSet)[0]clusterAssment = np.zeros(m)#初始化樣本的分配 centroids = initial_centriod(L)#確定初始聚類中心clusterChanged = Truewhile clusterChanged:clusterChanged = Falsefor i in range(m):#將每個(gè)樣本分配給最近的聚類中心minDist = np.inf; minIndex = -1for j in range(k):distJI = distMeas(centroids[j,:],dataSet[i,:])if distJI < minDist:minDist = distJI; minIndex = jif clusterAssment[i] != minIndex: clusterChanged = TrueclusterAssment[i] = minIndexreturn clusterAssment

學(xué)術(shù)

應(yīng)用

參考資料

總結(jié)

以上是生活随笔為你收集整理的数据挖掘十大经典算法之——K-Means 算法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。