Python K-Means 聚类算法代码解析

该代码使用了k-means聚类算法。

datasetKMN = pd.read_csv('testSet.txt', header=None)
datasetKMNSize = len(dataSetKMN)
datasetKMN = np.mat(dataSetKMN)
print(dataSetKMN)

for i in range(dataSetKMNSize):
    plt.plot(dataSetKMN[i, 0], dataSetKMN[i, 1], 'b* ')
print('原始数据分布:')
plt.savefig( ' ch12_kmn_orig.png ', dpi=300, bbox_inches='tight ')
plt.show()

k = 4
centroids, clusterAssment = kmeans(dataSetKMN, k)
print( 'step 3:结果输出:')
showCluster(dataSetKMN, k, centroids, clusterAssment)

代码解析:

1. 数据加载: 使用 pd.read_csv 读取名为 'testSet.txt' 的数据文件，并将其存储在 dataSetKMN 变量中。
2. 数据预处理: dataSetKMNSize 获取数据集的大小，np.mat 将数据转换为矩阵形式。
3. 数据可视化: 使用 plt.plot 绘制原始数据点的散点图，并使用 plt.savefig 和 plt.show 保存和显示图像。
4. 聚类: 使用 kmeans 函数执行 K-Means 聚类，其中 k 指定聚类数量。
5. 结果展示: 使用 showCluster 函数将聚类结果可视化。

总结:

代码展示了如何使用 Python 的 K-Means 算法对数据集进行聚类，并通过可视化手段展现了聚类结果。