C++实现K均值聚类算法

K均值聚类算法是一种常用的无监督学习算法，用于将数据集划分为K个不同的类别。下面是一个简单的C++实现示例：

#include <iostream>
#include <vector>
#include <cmath>

// 计算两个向量之间的欧氏距离
double euclideanDistance(const std::vector<double>& v1, const std::vector<double>& v2) {
    double distance = 0.0;
    for (int i = 0; i < v1.size(); ++i) {
        distance += pow(v1[i] - v2[i], 2);
    }
    return sqrt(distance);
}

// 将每个数据点分配给最近的聚类中心
void assignToClusters(const std::vector<std::vector<double>>& data, const std::vector<std::vector<double>>& centroids,
                      std::vector<int>& clusterAssignments) {
    for (int i = 0; i < data.size(); ++i) {
        double minDistance = INFINITY;
        int clusterIndex = -1;
        for (int j = 0; j < centroids.size(); ++j) {
            double distance = euclideanDistance(data[i], centroids[j]);
            if (distance < minDistance) {
                minDistance = distance;
                clusterIndex = j;
            }
        }
        clusterAssignments[i] = clusterIndex;
    }
}

// 更新聚类中心为每个簇的平均值
void updateCentroids(const std::vector<std::vector<double>>& data, const std::vector<int>& clusterAssignments,
                     std::vector<std::vector<double>>& centroids) {
    std::vector<int> clusterCounts(centroids.size(), 0);
    std::vector<std::vector<double>> sums(centroids.size(), std::vector<double>(data[0].size(), 0.0));
    for (int i = 0; i < data.size(); ++i) {
        int clusterIndex = clusterAssignments[i];
        for (int j = 0; j < data[i].size(); ++j) {
            sums[clusterIndex][j] += data[i][j];
        }
        clusterCounts[clusterIndex]++;
    }
    for (int i = 0; i < centroids.size(); ++i) {
        for (int j = 0; j < centroids[i].size(); ++j) {
            if (clusterCounts[i] > 0) {
                centroids[i][j] = sums[i][j] / clusterCounts[i];
            }
        }
    }
}

// K均值聚类算法
std::vector<int> kMeans(const std::vector<std::vector<double>>& data, int k) {
    std::vector<int> clusterAssignments(data.size(), 0);
    std::vector<std::vector<double>> centroids(k, std::vector<double>(data[0].size(), 0.0));
    
    // 初始化聚类中心为随机的数据点
    for (int i = 0; i < k; ++i) {
        centroids[i] = data[rand() % data.size()];
    }
    
    bool centroidsChanged = true;
    while (centroidsChanged) {
        // 将数据点分配给最近的聚类中心
        assignToClusters(data, centroids, clusterAssignments);
        
        // 更新聚类中心
        std::vector<std::vector<double>> oldCentroids = centroids;
        updateCentroids(data, clusterAssignments, centroids);
        
        // 判断聚类中心是否发生变化
        centroidsChanged = false;
        for (int i = 0; i < centroids.size(); ++i) {
            if (centroids[i] != oldCentroids[i]) {
                centroidsChanged = true;
                break;
            }
        }
    }
    
    return clusterAssignments;
}

int main() {
    // 示例数据集
    std::vector<std::vector<double>> data = {
        {2.0, 3.0}, {2.5, 5.0}, {1.5, 2.5}, {4.0, 2.0}, {3.5, 4.5}, {3.0, 2.5}
    };
    
    int k = 2; // 聚类数量
    
    std::vector<int> clusterAssignments = kMeans(data, k);
    
    // 输出每个数据点所属的聚类
    for (int i = 0; i < clusterAssignments.size(); ++i) {
        std::cout << "Data point " << i + 1 << " belongs to cluster " << clusterAssignments[i] + 1 << std::endl;
    }
    
    return 0;
}

上述代码是一个简单的K均值聚类算法的实现，可以根据自己的数据集和需要进行适当的修改。在示例代码中，我们使用了一个二维数据集并将其分为两个聚类。输出中显示了每个数据点所属的聚类。