11.5课堂作业

#导入文件包
import numpy as np
x = np.random.randint(1,50,[20,1])
y = np.zeros(20)

#1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心；
k =4
def initcen(x,k):
    return x[:k]
#2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类；
def nearest(kc, i):
        d = abs(kc - i)
        w = np.where(d == np.min(d))
        return w[0][0]

def xclassify(x, y, kc):
        for i in range(x.shape[0]):
            y[i] = nearest(kc, x[i])
            return y

#3） 更新聚类中心：将每个类别中所有对象所对应的均值作为该类别的聚类中心，计算目标函数的值；
def kcmean(x,y,kc,k):
    l = list(kc)
    flag = False
    for c in range(k):
        m = np.where(y ==0)
        n = np.mean(x[m])
        if l[c] != n:
            l[c] = n
            flag = True
            print(l,flag)
    return (np.array(l),flag)

#4） 判断聚类中心和目标函数的值是否发生改变，若不变，则输出结果，若改变，则返回2）
kc = initcen(x,k)
flag = True
print(x,y,kc,flag)
while flag:
    y = xclassify(x,y,kc)
    kc,flag = kcmean(x,y,kc,k)
print(y,kc)