k均值算法

G`J

如图

elven08

这不就是散点图吗？

elven08

1. import matplotlib.pyplot as plt
   
2. import pandas as pd
   
3. import numpy as np
   
4. 
   
5. file = r"test.csv"
   
6. 
   
7. data = pd.read_csv(file)
   
8. 
   
9. fig, ax = plt.subplots()
   
10. 
    
11. ax.scatter(data['X1'], data['X2'])
    
12. 
    
13. xticks=np.arange(-2,14,2),ylim=(0, 12), yticks=np.arange(0, 14,2))
    
14. 
    
15. plt.show()

复制代码

lassiter

elven08 发表于 2022-3-12 22:22

他说的是K-均值聚类算法，不是散点图可视化。具体来说就是给这30多个点分类组团，哪些点可以抱做一团，一共分几个团合适。这个我用matlab编写过，用python还不习惯。

G`J

lassiter 发表于 2022-3-13 11:42
他说的是K-均值聚类算法，不是散点图可视化。具体来说就是给这30多个点分类组团，哪些点可以抱做一团，一 ...

matlab怎么说呢

lassiter

G`J 发表于 2022-3-14 17:33
matlab怎么说呢

1. function [basket,rate,J]=Kmean(P1,ZZ,signal)
   
2. %  本程序求K-mean聚类
   
3. %  P1是点的集合，点的坐标用列向量表示
   
4. %  ZZ是初始聚类点,signal是点的标签信息，用来判断最后分类的正确率
   
5. [~,N]=size(P1);ZZnew=ZZ; n=size(ZZ,2);E=10;
   
6. 
   
7. % E是前一次聚类点与下一次聚类点的距离差
   
8. while E>0
   
9.         
   
10.     ZZ=ZZnew;
    
11.     basket=cell(2,n); % 建立2行n列的“篮子”
    
12.     for i=1:N  %遍历每个点，求每个点分别到初始聚类点的距离
    
13.         temp=P1(:,i);
    
14.         e=abs(temp*ones(1,n)-ZZ);
    
15.         e2=sum(e.*e,1); %欧氏距离
    
16. 
    
17.         %找到最近的聚类点，放入对应的“篮子”
    
18.         [~,b]=min(e2);
    
19.         basket{1,b}=[basket{1,b},temp];
    
20.         basket{2,b}=[basket{2,b},signal(1,i)];
    
21.     end
    
22. 
    
23.         %对“篮子”内的点集求均值，重新定义聚类点，重新计算聚类点的移动距离
    
24.     for i=1:n
    
25.         ZZnew(:,i)=mean(basket{1,i},2);
    
26.     end
    
27.         E=sum(sum(abs(ZZnew-ZZ)));
    
28. end
    
29. 
    
30. % 计算点集到新聚类点的距离差之和
    
31. r=0;
    
32. for i=1:n
    
33.      nn=size(basket{1,i},2);
    
34.      e=abs(ZZnew(:,i)*ones(1,nn)-basket{1,i});
    
35.      e2(i)=sum(sum(e.*e));  %欧氏距离
    
36. 
    
37. end
    
38. J=sum(e2);
    
39. 
    
40. %根据标签信息计算分类正确率
    
41. for i=1:n
    
42.     for j=1:n
    
43.         r(i,j)=sum(basket{2,i}==j);
    
44.     end
    
45. end
    
46. rate=sum(max(r'))/N;
    
47. end

复制代码