实验报告6 Kmeans聚类.docxVIP

专业班级：2018164 学号：201816406 姓名：张锦渊 实验6: Kmeans聚类 一、实验目的 了解Kmeans的构建过程和代码实现，应用Kmeans解决简单的实际问题。 二、实验准备 安装python和pycharm，了解python基础编程和pycharm使用。 三、实验内容 基于给定的数据文件，补充完整下面Kmeans算法相关程序，粘贴运行成功的结果截图，并给每行程序添加注释。 from?copy?import?deepcopyimport?numpy?as?npimport?pandas?as?pdfrom?matplotlib?import?pyplot?as?plt#?用pd导入数据集data?=??pd.read_csv?????????????(&apos;xclara.csv&apos;)#?将数据集转换为二维数组，并绘制二维坐标图 #?将csv文件中的数据转换为二维数组f1?=?data[&apos;V1&apos;].valuesf2?=?data[&apos;V2&apos;].valuesX?=?np.array(list(zip(f1,?f2)))plt.scatter(f1,?f2,?c=&apos;black&apos;,?s=30) #?按行的方式计算两个坐标点之间的距离def?dist(a,?b,?ax=1): #定义距离计算函数????return?np.linalg.norm(a?-?b,?axis=ax)????#axis=1,按行求范数k?=?3??#设定区分数#?随机获得中心点的X轴坐标C_x?=?np.random.randint(0,?np.max(X)-20,?size=k)#?随机获得中心点的Y轴坐标C_y?=?np.random.randint(0,?np.max(X)-20,?size=k)C?=?np.array(list(zip(C_x,?C_y)),?dtype=np.float32)?#X和y坐标组成二维数组#?将初始化中心点画到输入的样例数据上plt.scatter(f1,?f2,?c=&apos;black&apos;,?s=30)#初始节点plt.scatter(C_x,?C_y,?marker=&apos;*&apos;,?s=300,?c=&apos;red&apos;)#样例数据节点C_old?=?np.zeros(C.shape) # 保存中心点更新前的坐标clusters?=?np.zeros(len(X)) # 保存数据所属中心点#?迭代标识位，通过计算新旧中心点的距离iteration_flag?=?dist(C,?C_old,?1)tmp?=?1#?若中心点不再变化或循环次数不超过20次，则退出循环while?iteration_flag.any()?!=?0?and?tmp?<?20:????for?i?in?range(len(X)): # 循环计算出每个点对应的最近中心点????????distances?=?dist(X[i],?C,?1) # 计算每个点与中心点的距离????????cluster?=?np.argmin(distances) # 记录0 - k-1个点中距离近的点????????clusters[i]?=?cluster# 记录每个样例点与哪个中心点距离最近????C_old?=?deepcopy?(C)???????#?采用深拷贝将当前的中心点保存下来????for?i?in?range(k): ?#?将从属于中心点的放到一个数组，然后按列方向取平均值????????points?=?[X[j]?for?j?in?range(len(X))?if?clusters[j]?==?i]????????C[i]?=?np.mean(points,axis=0)???????????????????????????#计算保存新的聚类中心????#?计算新旧聚类中心的距离????print(&apos;循环第%d次&apos;?%?tmp)????tmp?=?tmp?+?1????iteration_flag?=?dist(?C??????????,??C_old???????????,?1)????print("新中心点与旧点的距离：",?iteration_flag)#?聚类结果可视化colors?=?[&apos;r&apos;,?&apos;g&apos;,?&apos;b&apos;,?&apos;y&apos;