k-means算法Java一维实现
这里的程序稍微有点变形。
k_means方法返回K-means聚类的若干中心点。
代码:
import java.util.ArrayList;
import java.util.Collections; public class Prophet_kmeans {
private static final int MAXK = 100; private static int n = 0;
private static int K = 0; private static ArrayList<Double> k_means(ArrayList<Double> list) {
n = list.size();
K = MAXK;
if(K > n/4) K = n/2;
if(K == 0) K = n;
Collections.sort(list);
double[] point = new double[n];
int id = 0;
double minn = list.get(0), maxx = list.get(0);
for(double number : list) {
if(number < minn) minn = number;
if(number > maxx) maxx = number;
point[id++] = number;
}
double[] center = new double[K];
double delta = (maxx-minn) / K;
double p =minn + delta / 2;
for(int i=0;i<K;i++) {
center[i] = p;
p += delta;
}
int[] belong = new int[n];
for(int i=0;i<n;i++) belong[i] = 0;
double[] x_total = new double[K];
int[] x_cnt = new int[K];
for(int T=0;T<10;T++) { // T代表k means聚类迭代的次数
for(int i=0;i<n;i++) {
double min_dist = Math.abs(point[i] - center[belong[i]]);
for(int k=0;k<K;k++) {
double tmp_dist = Math.abs(point[i] - center[k]);
if(tmp_dist < min_dist) {
min_dist = tmp_dist;
belong[i] = k;
}
}
}
for(int i=0;i<K;i++) {
x_total[i] = 0;
x_cnt[i] = 0;
}
for(int i=0;i<n;i++) {
int k = belong[i];
x_total[k] += point[i];
x_cnt[k] ++;
}
for(int k=0;k<K;k++) {
if(x_cnt[k] == 0) continue;
center[k] = x_total[k] / (double)x_cnt[k];
}
}
ArrayList<Double> k_list = new ArrayList<Double>();
for(int k=0;k<K;k++) if(x_cnt[k] != 0) k_list.add(center[k]);
K = k_list.size();
return k_list;
} public static void main(String[] args) {
ArrayList<Double> list = new ArrayList<Double>();
list.add(1.0);
list.add(2.0);
list.add(3.0);
list.add(2.2);
list.add(2.1);
list.add(1.5);
list.add(9.9);
list.add(7.5);
list.add(8.8);
list.add(6.9);
list.add(8.7);
ArrayList<Double> ansList = k_means(list);
System.out.println("K == " + K);
for(double number : ansList) {
System.out.println(number);
}
} }
输出结果如下:
K == 4
1.25
2.325
7.2
9.133333333333333
k-means算法Java一维实现的更多相关文章
- k近邻算法-java实现
最近在看<机器学习实战>这本书,因为自己本身很想深入的了解机器学习算法,加之想学python,就在朋友的推荐之下选择了这本书进行学习. 一 . K-近邻算法(KNN)概述 最简单最初级的分 ...
- KNN 与 K - Means 算法比较
KNN K-Means 1.分类算法 聚类算法 2.监督学习 非监督学习 3.数据类型:喂给它的数据集是带label的数据,已经是完全正确的数据 喂给它的数据集是无label的数据,是杂乱无章的,经过 ...
- K-means算法
K-means算法很简单,它属于无监督学习算法中的聚类算法中的一种方法吧,利用欧式距离进行聚合啦. 解决的问题如图所示哈:有一堆没有标签的训练样本,并且它们可以潜在地分为K类,我们怎么把它们划分呢? ...
- k近邻算法的Java实现
k近邻算法是机器学习算法中最简单的算法之一,工作原理是:存在一个样本数据集合,即训练样本集,并且样本集中的每个数据都存在标签,即我们知道样本集中每一数据和所属分类的对应关系.输入没有标签的新数据之后, ...
- KNN算法java实现代码注释
K近邻算法思想非常简单,总结起来就是根据某种距离度量检测未知数据与已知数据的距离,统计其中距离最近的k个已知数据的类别,以多数投票的形式确定未知数据的类别. 一直想自己实现knn的java实现,但限于 ...
- Floyd算法java实现demo
Floyd算法java实现,如下: https://www.cnblogs.com/Halburt/p/10756572.html package a; /** * ┏┓ ┏┓+ + * ┏┛┻━━━ ...
- <转>从K近邻算法、距离度量谈到KD树、SIFT+BBF算法
转自 http://blog.csdn.net/likika2012/article/details/39619687 前两日,在微博上说:“到今天为止,我至少亏欠了3篇文章待写:1.KD树:2.神经 ...
- KMeans (K均值)算法讲解及实现
算法原理 KMeans算法是典型的基于距离的聚类算法,采用距离作为相似性的评价指标,即认为两个对象的距离越近,其相似度就越大.该算法认为簇是由距离靠近的对象组成的,因此把得到紧凑且独立的簇作为最终目标 ...
- 机器学习 Python实践-K近邻算法
机器学习K近邻算法的实现主要是参考<机器学习实战>这本书. 一.K近邻(KNN)算法 K最近邻(k-Nearest Neighbour,KNN)分类算法,理解的思路是:如果一个样本在特征空 ...
随机推荐
- hapRroxy 安装配置详解
简介 HAProxy提供高可用性.负载均衡以及基于TCP和HTTP应用的代理,支持虚拟主机,它是免费.快速并且可靠的一种解决方案. HAProxy特别适用于那些负载特大的web站点,这些站点通常又需要 ...
- python----tkinterm模块
python tkinter学习——布局 目录 一.pack() 二.grid() 三.place() 四.Frame() 正文 布局 一.pack() pack()有以下几个常用属性: side ...
- 从HDC转换到leptonica PIX
void CAssistDlg::OnBnClickedTest() { HDC hdc = ::GetDC(NULL); HDC hdcMem = CreateCompatibleDC(hdc); ...
- 通过fork进程爆破canary
1.1.1 通过fork进程爆破canary ⑴.原理分析: 对fork而言,作用相当于自我复制,每一次复制出来的程序,内存布局都是一样的,当然canary值也一样.那我们就可以逐位爆破,如果程 ...
- vue 可编辑表格组件
<template> <div class="table"> <table border="1px" v-dragform> ...
- Linux:finger命令详解
finger 用于查找并显示用户信息 包括本地与远端主机的用户皆可,帐号名称没有大小写的差别. 单独执行finger指令,它会显示本地主机现在所有的用户的登陆信息,包括帐号名称,真实姓名,登入终端机, ...
- [Scala]Scala学习笔记六 文件
1. 读取行 读取文件,可以使用scala.io.Source对象的fromFile方法.如果读取所有行可以使用getLines方法: val source = Source.fromFile(&qu ...
- [置顶]
kubernetes1.7新特性:日志审计变化
背景概念 出于安全方面的考虑,Kubernetes提供了日志审计记录,用来记录不同普通用户.管理员和系统中各个组件的日志信息. Kubernetes日志审计是Kube-apiserver组件的一部分功 ...
- 每周荐书:机器学习、Java虚拟机、微信开发(评论送书)
每周荐书:机器学习.Java虚拟机.微信开发(评论送书) 感谢大家对每周荐书栏目的支持,先公布下上周中奖名单 年精心雕琢,难得的"理论 + 实战案例 + 趟坑经验"总结 从需求分析 ...
- Vim技能修炼教程(8) - 多窗口
多窗口 如果一个vim只能开一个窗口,那肯定是有点low.尤其是写代码的时候,打开多个文件是经常的需求. 速成教程 横着切成两个 :split 文件名 上下切换窗口 Ctrl-W加上上下键,可以实现上 ...