文本聚类kmeans 源码实现

以下是基于Python的K-Means聚类算法的实现代码：

import numpy as np

class KMeans:
    def __init__(self, k=2, max_iterations=500):
        self.k = k
        self.max_iterations = max_iterations

    def fit(self, data):
        self.centroids = []
        for i in range(self.k):
            self.centroids.append(data[np.random.randint(0, len(data) - 1)])

        for i in range(self.max_iterations):
            clusters = [[] for _ in range(self.k)]

            for point in data:
                distances = [np.linalg.norm(point - centroid) for centroid in self.centroids]
                cluster_index = np.argmin(distances)
                clusters[cluster_index].append(point)

            prev_centroids = self.centroids.copy()

            for i in range(self.k):
                self.centroids[i] = np.average(clusters[i], axis=0)

            optimized = True
            for i in range(self.k):
                if not np.array_equal(self.centroids[i], prev_centroids[i]):
                    optimized = False

            if optimized:
                break

    def predict(self, data):
        predictions = []
        for point in data:
            distances = [np.linalg.norm(point - centroid) for centroid in self.centroids]
            cluster_index = np.argmin(distances)
            predictions.append(cluster_index)
        return predictions

这个实现中，我们使用了numpy库来处理数据和计算矩阵运算，同时也使用了Python在列表操作方面的优点。在初始化时，我们设定了聚类数k和最大迭代次数max_iterations。在训练过程中，我们随机初始化了k个中心点，并且使用欧几里得距离度量来计算每个点到每个中心点的距离。使用最小距离法来将每个点分配到对应的簇中。然后，我们重新计算每个簇的中心点，并测试是否收敛。如果收敛，则停止迭代。最后，predict方法可以用来对新数据进行预测，返回的是数据所属的簇索引。