kmeans算法的python实现
jopen
9年前
kmeans算法的python实现 KMeans为实现算法的文件 test_kmeans为二维数据的测试文件 KMeans为实现3维数据的稍微一点的改动 test_kmeas_v1为三维数据的测试文件各个文件的注释文件均比较详细
################################################# # kmeans: k-means cluster # Author : # Date : # HomePage : # Email : ################################################# from numpy import * import time import matplotlib.pyplot as plt import KMeans ## step 1: load data print ("step 1: load data..." ) dataSet = [] #列表，用来表示，列表中的每个元素也是一个二维的列表；这个二维列表就是一个样本，样本中包含有我们的属性值和类别号。 #与我们所熟悉的矩阵类似，最终我们将获得N*2的矩阵，每行元素构成了我们的训练样本的属性值和类别号 fileIn = open("D:/xuepython/testSet.txt") #是正斜杠 for line in fileIn.readlines(): temp=[] lineArr = line.strip().split('\t') #line.strip()把末尾的'\n'去掉 temp.append(float(lineArr[0])) temp.append(float(lineArr[1])) dataSet.append(temp) #dataSet.append([float(lineArr[0]), float(lineArr[1])]) fileIn.close() ## step 2: clustering... print ("step 2: clustering..." ) dataSet = mat(dataSet) #mat()函数是Numpy中的库函数，将数组转化为矩阵 k = 4 centroids, clusterAssment = KMeans.kmeans(dataSet, k) #调用KMeans文件中定义的kmeans方法。 ## step 3: show the result print ("step 3: show the result..." ) KMeans.showCluster(dataSet, k, centroids, clusterAssment)