python聚类算法程序实现图像处理_K-means聚类算法及python代码实现
K-means聚类算法(事先数据并没有类别之分!所有的数据都是一样的)
1、概述
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:
文章图片
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。
文章图片
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:
文章图片
对于每一个类j,重新计算该类的质心:
文章图片
}
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
【python聚类算法程序实现图像处理_K-means聚类算法及python代码实现】本案例采用二维数据集,共80个样本,有4个类。
文章图片
1 #!/usr/bin/python
2 #coding=utf-8
3 from numpy import *
4 #加载数据
5 def loadDataSet(fileName): #解析文件,按tab分割字段,得到一个浮点数字类型的矩阵
6 dataMat = [] #文件的最后一个字段是类别标签
7 fr =open(fileName)8 for line infr.readlines():9 curLine = line.strip().split('\t')10 fltLine = map(float, curLine) #将每个元素转成float类型
11 dataMat.append(fltLine)12 returndataMat13
14 #计算欧几里得距离
15 defdistEclud(vecA, vecB):16 return sqrt(sum(power(vecA - vecB, 2))) #求两个向量之间的距离
17
18 #构建聚簇中心,取k个(此例中为4)随机质心
19 defrandCent(dataSet, k):20 n = shape(dataSet)[1]21 centroids = mat(zeros((k,n))) #每个质心有n个坐标值,总共要k个质心
22 for j inrange(n):23 minJ =min(dataSet[:,j])24 maxJ =max(dataSet[:,j])25 rangeJ = float(maxJ -minJ)26 centroids[:,j] = minJ + rangeJ * random.rand(k, 1)27 returncentroids28
29 #k-means 聚类算法
30 def kMeans(dataSet, k, distMeans =distEclud, createCent =randCent):31 m =shape(dataSet)[0]32 clusterAssment = mat(zeros((m,2))) #用于存放该样本属于哪类及质心距离
33 #clusterAssment第一列存放该数据所属的中心点,第二列是该数据到中心点的距离
34 centroids =createCent(dataSet, k)35 clusterChanged = True #用来判断聚类是否已经收敛
36 whileclusterChanged:37 clusterChanged =False;
38 for i in range(m): #把每一个数据点划分到离它最近的中心点
39 minDist = inf;
minIndex = -1;
40 for j inrange(k):41 distJI =distMeans(centroids[j,:], dataSet[i,:])42 if distJI <43 mindist="distJI;
" minindex="j">
44 if clusterAssment[i,0] != minIndex: clusterChanged = True;
#如果分配发生变化,则需要继续迭代
45 clusterAssment[i,:] = minIndex,minDist**2 #并将第i个数据点的分配情况存入字典
46 printcentroids47 for cent in range(k): #重新计算中心点
48 ptsInClust = dataSet[nonzero(clusterAssment[:,0].A == cent)[0]] #去第一列等于cent的所有列
49 centroids[cent,:] = mean(ptsInClust, axis = 0) #算出这些数据的中心点
50 returncentroids, clusterAssment51 #--------------------测试----------------------------------------------------
52 #用测试数据及测试kmeans算法
53 datMat = mat(loadDataSet('testSet.txt'))54 myCentroids,clustAssing = kMeans(datMat,4)55 printmyCentroids56 print clustAssing
运行结果:
文章图片
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
文章图片
(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
文章图片
(3)存在局限性,如下面这种非球状的数据分布就搞不定了:
文章图片
(4)数据集比较大的时候,收敛会比较慢。
43>
推荐阅读
- python数据挖掘代码_最适合初学者的数据挖掘入门课程(4天快速入门python数据挖掘视频+代码)...
- python|python与java的一些不同简录
- matlab|matlab 二维高斯滤波 傅里叶_基于相关滤波的目标跟踪算法
- python爬虫数据教程_Python爬虫教程,4天快速入门Python数据挖掘教程分享!-Go语言中文社区...
- python语言语块句的标记_《自然语言处理理论与实战》
- python|合理有效的规划(远程工作者的一天)
- Python入门系列(三)一学就会-基础数据类型
- Python自动化办公之Excel对比工具
- python|python视频操作——python实现将图片合成为视频
- python编程教学基本语法教学视频_Python系列视频(一)——Python语言基础