python实现meanshift代码

以下是一个简单的 Python 实现 MeanShift 算法的代码：

import numpy as np

def euclidean_distance(x1, x2):
    return np.sqrt(np.sum((x1 - x2)**2))

class MeanShift:
    def __init__(self, radius=4):
        self.radius = radius

    def fit(self, X):
        centroids = []

        for i in range(len(X)):
            centroid = X[i]
            while True:
                within_radius = []
                for j in range(len(X)):
                    if euclidean_distance(centroid, X[j]) < self.radius:
                        within_radius.append(X[j])

                new_centroid = np.mean(within_radius, axis=0)
                if euclidean_distance(centroid, new_centroid) < 1e-5:
                    break
                centroid = new_centroid

            centroids.append(new_centroid)

        self.centroids = np.array(centroids)

    def predict(self, X):
        labels = []
        for i in range(len(X)):
            distances = [euclidean_distance(X[i], c) for c in self.centroids]
            label = np.argmin(distances)
            labels.append(label)
        return labels

这个代码实现了一个简单的 MeanShift 算法，其中 `fit` 方法用于训练模型，`predict` 方法用于预测数据的标签。在训练过程中，我们首先随机选择一个数据点作为初始的聚类中心，然后不断地将在半径为 `radius` 的范围内的数据点加入到该聚类中心中，并重新计算聚类中心，直到聚类中心不再发生变化为止。最终，我们得到了所有的聚类中心，这些聚类中心就是我们的类别标签。在预测过程中，我们计算每个数据点到所有聚类中心的距离，并将其归为距离最近的聚类中心所代表的类别。