Python 计算最近中心点：K 均值聚类代码实现

本文介绍了使用 Python 代码计算给定点到多个中心点中距离最近的一个，并将其归类到对应的中心点类别下。代码示例展示了如何使用 K 均值聚类算法对数据进行分类，并计算每个类别到其中心点的平均距离。

def classify(pt, centers):
    temp = [distance(pt, centers[i]) for i in range(len(centers))]
    index = np.argmin(temp)
    dist = temp[index]
    return (index, dist)

# 将每个点归入到离它最近的中心点类别下
########## Begin ##########
# 初始化每个类别的列表
categories = [[] for _ in range(k)]
# 将每个点归入到离它最近的中心点类别下
for i in range(len(X)):
    pt = X[i]
    index, _ = classify(pt, centers)
    categories[index].append(pt)
# 计算每个点到离它最近的中心点的平均距离
avg_distances = []
for i in range(k):
    category_pts = categories[i]
    distances = [distance(pt, centers[i]) for pt in category_pts]
    avg_distances.append(np.mean(distances))
########## End ##########

代码解释:

classify(pt, centers) 函数: 该函数接收一个点 pt 和多个中心点 centers 作为参数，计算 pt 到每个中心点的距离，并返回距离最近的中心点索引和距离。
categories 列表: 用于存储每个类别对应的点集，初始时每个类别为空列表。
将每个点归入到离它最近的中心点类别下: 遍历所有点 pt，使用 classify() 函数找到离它最近的中心点索引 index，并将 pt 添加到 categories 列表中对应索引的类别中。
计算每个类别到其中心点的平均距离: 遍历每个类别，计算所有该类别点到其中心点的距离，并求平均值。

代码应用:

上述代码展示了如何使用 K 均值聚类算法对数据进行分类。首先，通过遍历每个点，计算其到每个中心点的距离，并将其归类到距离最近的中心点类别下。然后，计算每个类别到其中心点的平均距离，可以用于评估聚类结果的好坏。

总结:

本文介绍了使用 Python 代码计算给定点到多个中心点中距离最近的一个，并将其归类到对应的中心点类别下。代码示例展示了如何使用 K 均值聚类算法对数据进行分类，并计算每个类别到其中心点的平均距离。希望本文能够帮助您更好地理解 K 均值聚类算法的实现。