k-means实现代码

      k-means是一种​迭代求解的聚类算法，是将数据分为K组，k由人为指定，随机选取一个中心点为初始的聚类中心，然后重复计算数据到之前 n 个聚类中心最远的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个​聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，​误差平方和局部最小。

​

初始化聚类中心代码：

/**
   * k-means++初始化聚类中心
   */
  def kmeansppInitial(points:List[UserFeatureBean],k: Int):Array[Vector[Double]] = {
    //数据集个数
    val pointsNum = points.length
    val random  = new Random()
    var kSum = 1
    var flag = true
    //选择第一个随机数（下标）
    val temp = random.nextInt(pointsNum)
    //保存随机下标号
    var array = new ListBuffer[Int]()
    //迭代添加元素的聚类中心数组
    var updatedCenters = new ListBuffer[Vector[Double]]()
    var sum = 0.0
    var randomSeed = 0.0
    //保存每个样本点对应到各自聚类中心的距离
    var pointsAndDist = List[Double]()
    var j = 0
    array = array :+ temp
    //将随机选择的点作为第一个聚类中心
    updatedCenters = updatedCenters :+ points(temp).getVector
    while(kSum < k ){
      //计算每个样本点与它所属的聚类中心的距离
      pointsAndDist = points.map(v => 
        vectorDis(v.getVector,closestCenter(updatedCenters.toArray,v.getVector))
      )
      sum = pointsAndDist.reduceLeft((a,b) => a + b)
      println("sum=="+ sum)
      flag = true
      while(flag){
        randomSeed = sum * (random.nextInt(100) + 1) / 100
        breakable{
          for(i <- 0 to pointsAndDist.length - 1){
            randomSeed -= pointsAndDist(i)
            if(randomSeed <= 0){
              j = i
              break
            }
          }
        }
        if(sum == 0.0){
          flag = false
          kSum += 1
        }else if(array.contains(j)){
          //求得的新中心点的下标在数组中存在
          flag= true
        }else{
          array = array :+ j
          updatedCenters = updatedCenters :+ points(j).getVector
          flag = false
          kSum += 1
        }
      }

    }
    //kmean++初始化中心点如下
    val centers = new Array[Vector[Double]](updatedCenters.length)
    for(i <- 0 to updatedCenters.length - 1){
      centers(i) = updatedCenters(i)
    }
    centers
  }

更多文章请关注《万象专栏》