【实践】数据挖掘DM课程课业打卡实验4 聚类算法

待我称王封你为后i 2023-02-20 02:24 20阅读 0赞

### 【实践】数据挖掘DM课程课业打卡实验4 聚类算法 ###

*  一、实验目的
 *  二、实验内容

***叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！***  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]

# 一、实验目的 #

（1）理解聚类算法的基本原理。  
（2）掌握kmeans聚类算法的原理与实现。

# 二、实验内容 #

**1、数据见data.mat，编程实现K means算法代码`K_MeansMt`，并写出详细注释。**

data.mat  部分数据如下：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70]  
测试代码如下：

load 'data.mat';
    [u re]=K_MeansMt(data,3);  %最后产生簇标号 re 
    [m n]=size(re);
    %最后显示聚类后的数据
    figure;
    hold on;
    for i=1:m 
        if re(i)==1   
             plot(data(i,1),data(i,2),'ro'); 
        elseif re(i)==2
             plot(data(i,1),data(i,2),'go'); 
        else 
             plot(data(i,1),data(i,2),'bo'); 
        end
    end
    grid on;

（将执行正确的roc\_plot函数代码粘贴在此处，核心代码要求有注释）

%数据一共分成K类
    %data是输入的不带分类标号的数据
    %是每一类的中心
    %clusterID是返回的带分类标号的数据
    
    function [u clusterID]=K_MeansMt(data, K)
    [m n]=size(data); %m是数据个数， n是数据维数
    ma=zeros(1, n);%每一维最大的数
    mi=zeros(1, n);%每一维最小的数
    u=zeros(K, n);%随机初始化，最终迭代到每一类的中心位置
    
    for i=1:n
        ma(i)=max(data(:,i)); %每一维最大的数
        mi(i)=min(data(:,i)); %每一维最小的数
        for j=1:K
            u(j, i)=mi (i)+ (ma(i)-mi (i))*rand(); %随机初始化
        end
    end
    
        while 1
            pre_u=u;  %上一次求得的质心位置
            coordinate_difference { m, K}=[];
            for i=1:m
                % data(i, :)-u(j, :),为计算质心做准备
                for j=1:K
                    coordinate_difference{ i, j}=data(i, :)-u(j,:);
                end
            end
            
            Dist=ones (m, K)*-1;
            for i=1:m     %计算质心
                c=zeros(1, K);
                for j=1:K
                    c(j)=norm(coordinate_difference{ i, j});
                end
                [cmin index]=min(c); %哪个类的距离最小(index为类号)
                Dist(i,index)=norm(coordinate_difference{ i, index});
            end
            
            for i=1:K
                ind=find(Dist(:, i)>=0);
                u(i, :)=mean(data(ind, :));
            end
            
            if norm(pre_u-u)<0.1 %不断迭代直到位置不再变化
                break;
            end
        end
        
        clusterID=[];
        for i=1:m
            dist=[];
         for j=1:K
             dist=[dist norm(data(i, :)-u(j, :))]; %%每个点到稳定后的类中心距离
         end
         [x index]=min(dist); %% 选择距离最小的类别号
         clusterID= [clusterID; index];
        end
        
    end

**实验结果截图如下：**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 1]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 2]

**Ending！**  
更多课程知识学习记录随后再来吧！

就酱，嘎啦！

![在这里插入图片描述][20200207152559955.png_pic_center]

注：  
人生在勤，不索何获。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/202003012210578.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200622091730958.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20200622091258783.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20200622091309399.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5,size_16,color_FFFFFF,t_70#pic_center
[20200207152559955.png_pic_center]: https://img-blog.csdnimg.cn/20200207152559955.png#pic_center