kmeans算法简单实现

# -*- coding:utf-8 -*-

# kmeans简单实现

"""
kmeans是经典的无监督聚类方法。步骤可以分为以下几步：
1.确定聚类的数目k
2.随机初始化k个聚类中心
3.根据准则（一般计算欧式距离）将数据分配到对应的聚类中心
4.更新每个类别的聚类中心（均值）
5.重复步骤2-步骤4若干次
"""


import numpy as np
import random
from collections import  defaultdict
import matplotlib.pyplot as plt

class KMeans():

    def __init__(self, data, k, max_iter=5):
        # 初始化变量
        self._data = data # 数据
        self._k = k # 簇
        self._max_iter = max_iter # 最大迭代次数
        self._example_num = data.shape[0] # 有多少个数据
        self._centroids = None # 设置质心
        self._cluster_data_indices = None # 具体的每个簇

    def _random_init_centroid(self):
        # 随机初始化质心，保证质心在数据点之中
        # sample函数，随机选择一个点做初始化质心
        random_centroid_indicss = random.sample(
            range(3, self._example_num), self._k)
        centroids = self._data[random_centroid_indicss]
        self._centroids = centroids

    @staticmethod
    def get_closeset_centroid(data, centroids):
        # 得到最近的质心
        distance = np.sum(np.power((data - centroids), 2), 1)
        indices = np.argmin(distance)
        return indices

    def _assign_data_closest_centroids(self):
        # 创建空列表，用于存储每个簇
        ddict = defaultdict(list)
        for row in range(0, self._example_num):
            # 遍历分出每个簇
            closest_centroid = self.get_closeset_centroid(
                self._data[row, :], self._centroids)
            ddict[closest_centroid].append(row)
        self._cluster_data_indices = ddict

    def _update_centroids(self):
        for i in range(self._k):
            # 分别得到每个簇的索引
            data_indices = self._cluster_data_indices[i]
            # 分别得到每个簇新的质心
            self._centroids[i] = np.mean(self._data[data_indices, :], axis=0)

    def _plot_cluster(self):
        plt.figure()
        for i in range(0, self._k):
            # 分别得到每个簇的索引
            data_indices = self._cluster_data_indices[i]
            # 画出每个簇的散点图
            plt.scatter(self._data[data_indices, 0], self._data[data_indices, 1], s=10)
        # 保存图
        plt.savefig('means{}.png'.format(self._index))

    def fit(self):
        # 调整函数
        # 初始化质心
        self._random_init_centroid()
        for i in range(self._max_iter):
            self._index = 1
            self._assign_data_closest_centroids()
            self._update_centroids()
            self._plot_cluster()


if __name__ == '__main__':
    arra = np.random.uniform(1, 6,  (200, 2))
    arrb = np.random.uniform(4, 10, (200, 2))
    arrc = np.random.uniform(9, 15, (200, 2))
    arr = np.concatenate((arra, arrb, arrc), axis=0)
    kmens = KMeans(arr, 3)
    kmens.fit()
    print("done")