提拉's Studio.

kmeans聚类

2025/02/09
loading

k-均值聚类

kmeans算法是一种常用的聚类算法，属于无监督学习的一种。
KMeans算法的基本原理是通过迭代的方式将数据集划分为K个簇，使得每个簇内的数据点尽可能相似，而不同簇之间的数据点尽可能不同。

具体步骤

初始化：随机选择K个数据点作为初始的聚类中心。
分配：计算每个数据点到各个聚类中心的距离，将每个数据点分配到距离最近的聚类中心所在的簇。
更新：重新计算每个簇的中心点，通常是取该簇所有数据点的均值。
迭代：重复步骤2和3，直到聚类中心不再发生变化或达到预设的迭代次数。

KMeans算法的应用场景和优缺点

KMeans算法因其简单高效，被广泛应用于数据挖掘、数据分析、异常检测、模式识别等领域。

优点：

简单高效：实现简单，收敛速度快。
应用广泛：适用于大规模数据集。
可解释性强：结果直观，易于理解。

缺点：

对初始值敏感：初始聚类中心的选择会影响最终结果。
可能陷入局部最优：算法容易陷入局部最优解而非全局最优解。
需要预先指定K值：K值的选取对结果有较大影响，通常需要根据经验或多次试验来确定。

KMeans算法的改进方法

K值选择：可以通过肘部法则、轮廓系数等方法来确定最佳的K值。
初始化方法：采用K-Means++算法来优化初始聚类中心的选择，避免随机选择带来的不稳定因素。
处理空簇：在迭代过程中检查并处理空簇，确保每个簇至少包含一个数据点。

代码实例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

from sklearn.cluster import KMeans
import numpy as np

# 示例数据
X = np.array([[1, 2], [1, 4], [1, 0],
              [10, 2], [10, 4], [10, 0]])

# 创建KMeans实例，设置簇的数量为2
kmeans = KMeans(n_clusters=2, random_state=42)

# 拟合模型
kmeans.fit(X)

# 预测簇标签
labels = kmeans.predict(X)
print("簇标签：", labels)

# 获取簇中心点
centroids = kmeans.cluster_centers_
print("簇中心点：")
print(centroids)

输出结果：

原文链接：https://tinaher.xyz/2025/02/09/k-%E5%9D%87%E5%80%BC%E8%81%9A%E7%B1%BB/

发表日期：February 9th 2025, 12:36:27 pm

版权声明：本文采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可

CATALOG
  1. 1. k-均值聚类
    1. 1.1. 具体步骤
    2. 1.2. KMeans算法的应用场景和优缺点
      1. 1.2.1. 优点：
      2. 1.2.2. 缺点：
    3. 1.3. KMeans算法的改进方法
  2. 2. 代码实例
Total : 6
2025
2024