kmeans算法的python實現

kmeans算法的python實現 KMeans為實現算法的文件 test_kmeans為二維數據的測試文件 KMeans為實現3維數據的稍微一點的改動 test_kmeas_v1為三維數據的測試文件各個文件的注釋文件均比較詳細

#################################################  
# kmeans: k-means cluster  
# Author :  
# Date   :   
# HomePage :  
# Email  :  
#################################################  

from numpy import *  
import time  
import matplotlib.pyplot as plt 
import KMeans

## step 1: load data  
print ("step 1: load data..." ) 
dataSet = []   #列表，用來表示，列表中的每個元素也是一個二維的列表；這個二維列表就是一個樣本，樣本中包含有我們的屬性值和類別號。
#與我們所熟悉的矩陣類似，最終我們將獲得N*2的矩陣，每行元素構成了我們的訓練樣本的屬性值和類別號
fileIn = open("D:/xuepython/testSet.txt")  #是正斜杠
for line in fileIn.readlines(): 
    temp=[]
    lineArr = line.strip().split('\t')  #line.strip()把末尾的'\n'去掉
    temp.append(float(lineArr[0]))
    temp.append(float(lineArr[1]))
    dataSet.append(temp)
    #dataSet.append([float(lineArr[0]), float(lineArr[1])])  
fileIn.close()  
## step 2: clustering...  
print ("step 2: clustering..."  )
dataSet = mat(dataSet)  #mat()函數是Numpy中的庫函數，將數組轉化為矩陣
k = 4  
centroids, clusterAssment = KMeans.kmeans(dataSet, k)  #調用KMeans文件中定義的kmeans方法。

## step 3: show the result  
print ("step 3: show the result..."  )
KMeans.showCluster(dataSet, k, centroids, clusterAssment)

項目主頁：http://www.baiduhome.net/lib/view/home/1438149893238