k-means アルゴリズム (k-means クラスタリング アルゴリズム) の Python 実装例

ユークリッド距離を使用した平面点 K 平均法分析の簡単な実装。pylab で表示されます。

コードをコピーします コードは次のとおりです:

import pylab as pl

#calc Euclid squire
def calc_e_squire(a, b):
return (a[0]- b[0]) ** 2 + (a[1] - b[1]) ** 2

#20 ポイントを初期化します
a = [2,4,3,6,7,8,2,3,5,6,12,10,15,16,11,10,19,17, 16,13]
b = [5,6,1,4,2,4,3,1,7,9,16,11,19,12,15,14,11,14,11,19]

#2 つの k_value を定義します
k1 = [6,3]
k2 = [6,1]

#defint トウクラスター
sse_k1 = []
sse_k2 = []
while True:
sse_k1 = []
sse_k2 = []
for i in range(20 ):
e_squire1 = calc_e_squire(k1, [a[i], b[i]])
e_squire2 = calc_e_squire(k2, [a[i], b[i]])
if (e_squire1 <= e_squire2):
sse_k1.append(i)
else:
sse_k2.append(i)

#change k_value
k1_x = sum([a [i] for i in sse_k1]) / len(sse_k1)
k1_y = sum([b[i] for i in sse_k1]) / len(sse_k1)

k2_x = sum([a[i] for i in sse_k2]) / len(sse_k2)
k2_y = sum([b[i] for i in sse_k2]) / len(sse_k2)

if k1 != [k1_x, k1_y] または k2 != [k2_x, k2_y]:
k1 = [k1_x, k1_y]
k2 = [k2_x, k2_y]
else:
休憩

kv1_x = [sse_k1 の i の a[i]]
kv1_y = [sse_k1 の i の b[i]]

kv2_x = [sse_k2 の i の a[i]]
kv2_y = [sse_k2 の i の b[i]]

pl.plot(kv1_x, kv1_y, 'o')
pl.plot(kv2_x, kv2_y, 'or')

pl.xlim(1, 20)
pl.ylim(1, 20)
pl.show()