k均值算法

G`J

如图

elven08

这不就是散点图吗？

elven08

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

file = r"test.csv"

data = pd.read_csv(file)

fig, ax = plt.subplots()

ax.scatter(data['X1'], data['X2']) 

xticks=np.arange(-2,14,2),ylim=(0, 12), yticks=np.arange(0, 14,2))

plt.show()

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

function [basket,rate,J]=Kmean(P1,ZZ,signal)
%  本程序求K-mean聚类
%  P1是点的集合，点的坐标用列向量表示
%  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
[~,N]=size(P1);ZZnew=ZZ; n=size(ZZ,2);E=10;

% E是前一次聚类点与下一次聚类点的距离差
 while E>0
        
    ZZ=ZZnew;
    basket=cell(2,n); % 建立2行n列的“篮子”
    for i=1:N  %遍历每个点，求每个点分别到初始聚类点的距离
        temp=P1(:,i);
        e=abs(temp*ones(1,n)-ZZ);
        e2=sum(e.*e,1); %欧氏距离

        %找到最近的聚类点，放入对应的“篮子”
        [~,b]=min(e2); 
        basket{1,b}=[basket{1,b},temp];
        basket{2,b}=[basket{2,b},signal(1,i)];
    end

        %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
    for i=1:n
        ZZnew(:,i)=mean(basket{1,i},2);
    end
        E=sum(sum(abs(ZZnew-ZZ)));
 end

% 计算点集到新聚类点的距离差之和
 r=0;
 for i=1:n
     nn=size(basket{1,i},2);
     e=abs(ZZnew(:,i)*ones(1,nn)-basket{1,i});
     e2(i)=sum(sum(e.*e));  %欧氏距离

 end
 J=sum(e2);
 
%根据标签信息计算分类正确率
for i=1:n
    for j=1:n
        r(i,j)=sum(basket{2,i}==j);
    end
end
rate=sum(max(r'))/N;
 end