首页 > 其他 > 详细

K-means聚类

时间:2019-08-12 23:56:54      阅读:220      评论:0      收藏:0      [点我收藏+]

 

1.随机产生k个分类特征的中心点

2.计算数据点到中心点的距离

3.数据点到哪个中心点最近就分到哪个类

4.迭代:更新中心点位置,重新计算距离并分配类别,直到总体距离最小

 

load fisheriris
figure;
speciesNum=grp2idx(species);
gscatter(meas(:,3),meas(:,4),speciesNum,[‘r‘,‘g‘,‘b‘]);
xlabel(‘花瓣长度‘);
ylabel(‘花瓣宽度‘);
title(‘真实标记‘);
set(gca,‘fontsize‘,12);
set(gca,‘fontweight‘,‘bold‘);

data=[meas(:,3),meas(:,4)];
K=3;
%5此重复的全局最优解
[idx,cen]=kmeans(data,K,‘Distance‘,‘sqeuclidean‘,‘Replicates‘,5,‘Display‘,‘Final‘);
%调整标号
dist=sum(cen.^2,2);
[dump,sortind]=sort(dist,‘ascend‘);
newidx=zeros(size(idx));
for i=1:K
    newidx(idx==i)=find(sortind==i);
end
%花瓣长度和花瓣宽度散点图(kmeans分类)
figure;
gscatter(data(:,1),data(:,2),newidx,[‘r‘,‘g‘,‘b‘]);
hold on
scatter(cen(:,1),cen(:,2),300,‘m‘);
hold off
xlabel(‘花瓣长度‘);
ylabel(‘花瓣宽度‘);
title(‘kmeans分类‘);
set(gca,‘fontsize‘,12);
set(gca,‘fontweight‘,‘bold‘);

 

 

技术分享图片

 

K-means聚类

原文:https://www.cnblogs.com/zuiaimiusi/p/11343223.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!