标签：center point 乱七八糟 means list 聚类 cluster2 get append
参考资料：https://blog.csdn.net/ten_sory/article/details/81016748
计算不同样本间的距离来判断他们的相近关系，相近的就会放到同一个类别去
- 选择K值（即需要分成的类别），最好根据聚类的结果和K的函数关系来判断K值是多少
- 选择聚类点：1.随机选取 多次取均值 3.bisecting K-means
step1：选定要聚类的类别数目k（如上例的k=3类），选择k个中心点。
step2：针对每个样本点，找到距离其最近的中心点（寻找组织），距离同一中心点最近的点为一个类，这样完成了一次聚类。
step3：判断聚类前后的样本点的类别情况是否相同，如果相同，则算法终止，否则进入step4。
step4：针对每个类别中的样本点，计算这些样本点的中心点，当做该类的新的中心点，继续step2。
我的尝试：随机数产生点，自主定义了三个点，将距离三个点近的放入同一个类中，在同一个类中选取点与中心点，以及聚类附近的点进行距离比较，如果更近的话就会替代当前中心点，当中心点不再变化时跳出循环得到结果。
import random
import matplotlib.pyplot as plt
import math
import numpy as np
def get_point():
list = []
list_1 = []
list_2 = []
list_3 = []
x = []
y = []
i = 0
while i < 30:
list_1.append([random.randrange(0, 10), random.randrange(0, 10)])
list_2.append([random.randrange(30, 40), random.randrange(10, 20)])
list_3.append([random.randrange(10, 20), random.randrange(50, 70)])
i = i + 1
list = list_1 + list_2 + list_3 # 得到坐标集合
j = 0
while j < len(list):
x.append(list[j][0])
y.append(list[j][1])
j += 1
plt.plot(x, y)
plt.show()
return list
def get_distance(a, b):
c = np.array(a) - np.array(b)
dis = math.hypot(c[0], c[1]) # 算出距离
return dis
def k_means(cluster1, cluster2, cluster3, center_point):
while True:
i = 0
while i < len(cluster1):
cluster = center_point
dis1 = get_distance(cluster1[i], center_point[0])
j = 1
while j < len(cluster1):
dis4 = get_distance(cluster1[i], cluster1[j])
if min(dis1, dis4) != dis1:
del center_point[0]
center_point.insert(0, cluster1[j])
j += 1
i += 1
k = 0
while k < len(cluster2):
cluster = center_point
dis2 = get_distance(cluster2[k], center_point[1])
j = 1
while j < len(cluster2):
dis5 = get_distance(cluster2[k], cluster2[j])
if min(dis2, dis5) != dis2:
del center_point[1]
center_point.insert(1, cluster2[j])
j += 1
k += 1
l = 0
while l < len(cluster3):
cluster = center_point
dis3 = get_distance(cluster3[l], center_point[2])
j = 1
while j < len(cluster3):
dis6 = get_distance(cluster3[l], cluster3[j])
if min(dis3, dis6) != dis3:
del center_point[2]
center_point.insert(2, cluster3[j])
j += 1
l += 1
if center_point[0] == cluster[0] and center_point[1] == cluster[1] and center_point[2] == cluster[2]:
break
return cluster
def get_cluster(points, center_point):
cluster1 = []
cluster2 = []
cluster3 = []
x1 = []
y1 = []
x2 = []
y2 = []
x3 = []
y3 = []
i = 0
while i < len(points):
dis1 = get_distance(points[i], center_point[0])
dis2 = get_distance(points[i], center_point[1])
dis3 = get_distance(points[i], center_point[2])
if dis1 == min(dis1, dis2, dis3):
cluster1.append(points[i])
elif dis2 == min(dis1, dis2, dis3):
cluster2.append(points[i])
elif dis3 == min(dis1, dis2, dis3):
cluster3.append(points[i])
i += 1
j = 0
while j < len(cluster1):
x1.append(cluster1[j][0])
y1.append(cluster1[j][1])
j += 1
j = 0
while j < len(cluster2):
x2.append(cluster2[j][0])
y2.append(cluster2[j][1])
j += 1
j = 0
while j < len(cluster3):
x3.append(cluster3[j][0])
y3.append(cluster3[j][1])
j += 1
plt.plot(x1, y1, 'r')
plt.plot(x2, y2, 'g')
plt.plot(x3, y3, 'b')
plt.show()
return cluster1, cluster2, cluster3
if __name__ == '__main__':
center_point = [[5, 5], [30, 10], [20, 60]]
points = get_point()
li = get_cluster(points, center_point)
center_point = k_means(li[0], li[1], li[2], center_point)
print(center_point)
标签：center,point,乱七八糟,means,list,聚类,cluster2,get,append 来源： https://blog.csdn.net/SadDennis/article/details/120334815
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。