java代码实现Kmeans聚类算法,训练集的文件类型为xls,java所有代码都写在k4.java中

时间: 2024-05-04 09:16:39 浏览: 108
好的,我了解了您的要求。以下是Java代码实现K-means聚类算法,可以读取xls格式的训练集文件,并且所有代码都写在k4.java中: ```java import java.io.FileInputStream; import java.io.IOException; import java.util.ArrayList; import java.util.List; import java.util.Random; import org.apache.poi.ss.usermodel.Workbook; import org.apache.poi.ss.usermodel.Cell; import org.apache.poi.ss.usermodel.Row; import org.apache.poi.ss.usermodel.Sheet; import org.apache.poi.ss.usermodel.WorkbookFactory; public class k4 { public static void main(String[] args) throws IOException { int k = 3; // 聚类数 int maxIter = 100; // 最大迭代次数 double[][] dataSet = readExcel("data.xls"); // 读取训练集 int m = dataSet.length; // 样本数 int n = dataSet[0].length; // 特征数 int[] clusterAssment = new int[m]; // 记录每个样本所属的簇 double[][] centroids = randCent(dataSet, k); // 随机初始化簇质心 for (int i = 0; i < maxIter; i++) { boolean clusterChanged = false; // 遍历每个样本,将其归入最近的簇 for (int j = 0; j < m; j++) { double minDist = Double.MAX_VALUE; int minIndex = -1; for (int l = 0; l < k; l++) { double dist = euclDistance(dataSet[j], centroids[l]); if (dist < minDist) { minDist = dist; minIndex = l; } } if (clusterAssment[j] != minIndex) { clusterChanged = true; clusterAssment[j] = minIndex; } } // 重新计算每个簇的质心 for (int l = 0; l < k; l++) { List<double[]> pointsInCluster = new ArrayList<double[]>(); for (int j = 0; j < m; j++) { if (clusterAssment[j] == l) { pointsInCluster.add(dataSet[j]); } } if (!pointsInCluster.isEmpty()) { centroids[l] = mean(pointsInCluster.toArray(new double[pointsInCluster.size()][n])); } } // 如果簇分配不再变化,退出循环 if (!clusterChanged) { break; } } // 输出最终结果 System.out.println("Cluster centroids:\n"); for (int i = 0; i < k; i++) { System.out.print("("); for (int j = 0; j < n; j++) { System.out.print(centroids[i][j]); if (j < n - 1) { System.out.print(", "); } } System.out.println(")"); } System.out.println("\nCluster assignments:"); for (int i = 0; i < m; i++) { System.out.printf("Sample %d -> Cluster %d%n", i + 1, clusterAssment[i] + 1); } } // 计算两个样本之间的欧氏距离 private static double euclDistance(double[] vec1, double[] vec2) { double sum = 0.0; for (int i = 0; i < vec1.length; i++) { sum += Math.pow(vec1[i] - vec2[i], 2); } return Math.sqrt(sum); } // 随机初始化簇质心 private static double[][] randCent(double[][] dataSet, int k) { int n = dataSet[0].length; double[][] centroids = new double[k][n]; Random rand = new Random(); for (int i = 0; i < k; i++) { int index = rand.nextInt(dataSet.length); for (int j = 0; j < n; j++) { centroids[i][j] = dataSet[index][j]; } } return centroids; } // 计算一组样本的均值 private static double[] mean(double[][] points) { int n = points[0].length; double[] mean = new double[n]; for (int i = 0; i < n; i++) { double sum = 0.0; for (double[] point : points) { sum += point[i]; } mean[i] = sum / points.length; } return mean; } // 从 Excel 文件中读取数据集 private static double[][] readExcel(String filePath) throws IOException { FileInputStream file = new FileInputStream(filePath); Workbook workbook = WorkbookFactory.create(file); Sheet sheet = workbook.getSheetAt(0); int firstRowNum = sheet.getFirstRowNum(); int lastRowNum = sheet.getLastRowNum(); int firstCellNum = sheet.getRow(firstRowNum).getFirstCellNum(); int lastCellNum = sheet.getRow(firstRowNum).getLastCellNum(); double[][] dataSet = new double[lastRowNum - firstRowNum + 1][lastCellNum - firstCellNum]; for (int i = firstRowNum; i <= lastRowNum; i++) { Row row = sheet.getRow(i); for (int j = firstCellNum; j < lastCellNum; j++) { Cell cell = row.getCell(j); if (cell.getCellType() == Cell.CELL_TYPE_NUMERIC) { dataSet[i - firstRowNum][j - firstCellNum] = cell.getNumericCellValue(); } else { throw new IOException("Invalid cell type in data file"); } } } return dataSet; } } ``` 注意:以上代码中使用了 Apache POI 库来读取 xls 文件,需要先下载并添加到项目中。另外,此代码实现的 K-means 算法是经典的 Lloyd 算法,对大数据集和高维数据的效果可能不佳,建议使用优化后的 K-means 算法或其他聚类算法。
阅读全文

相关推荐

大家在看

recommend-type

LITE-ON FW spec PS-2801-9L rev A01_20161118.pdf

LITE-ON FW spec PS-2801-9L
recommend-type

Basler GigE中文在指导手册

Basler GigE中文在指导手册,非常简单有效就可设定完毕。
recommend-type

独家2006-2021共16年280+地级市绿色全要素生产率与分解项、原始数据,多种方法!

(写在前面:千呼万唤始出来,我终于更新了!!!泪目啊!继全网首发2005-202 1年省际绿色全要素生产率后,我终于更新了全网最新的2021年的地级市绿色全要素生 产率,几千个数据值,超级全面!并且本次我未发布两个帖子拆分出售,直接在此帖子中一 并分享给大家链接!请按需购买!) 本数据集为2006-2021共计16年间我国2 80+地级市的绿色全要素生产率平衡面板数据(包括累乘后的GTFP结果与分解项EC 、TC),同时提供四种方法的测算结果,共计4000+观测值,近两万个观测点,原始 数据链接这次也附在下方了。 首先是几点说明: ①我同时提供4种测算方法的结果(包 括分解项),均包含于测算结果文档。 ②测算结果与原始数据均为平衡面板数据,经过多 重校对,准确无误;可以直接用于Stata等软件进行回归分析。 ③测算结果中每一种 方法的第一列数据为“指数”即为GML指数,本次测算不采用ML等较为传统的方法(我 认为其不够创新)。 ④地级市数量为284个,原始数据未进行任何插值,均为一手整理 的真实数据。 ⑤(原始数据指标简介)投入向量为四项L:年末就业人数,K:资本存量 (参考复旦大学张
recommend-type

TS流结构分析(PAT和PMT).doc

分析数字电视中ts的结构和组成,并对PAT表,PMT表进行详细的分析,包含详细的解析代码,叫你如何解析TS流中的数据
recommend-type

2017年青年科学基金—填报说明、撰写提纲及模板.

2017年青年科学基金(官方模板)填报说明、撰写提纲及模板

最新推荐

recommend-type

详解Java实现的k-means聚类算法

在实现k-means聚类算法时,需要注意以下几点: 1. 数据预处理:需要对数据进行预处理,例如,去除缺失值、归一化等。 2. 质心选择:初始质心的选择对聚类结果的影响很大,需要选择合适的初始质心。 3. 收敛条件:...
recommend-type

人工智能实验K聚类算法实验报告.docx

在代码实现部分,定义了一个名为`point_t`的结构体,表示二维空间中的一个点,包含坐标信息、颜色和因子。`genRandomPoint`函数用于生成位于特定圆内的随机点,`distance`函数计算两点之间的欧氏距离。`KMeansFirst`...
recommend-type

python 代码实现k-means聚类分析的思路(不使用现成聚类库)

2. 将数据集按8:2的比例随机划分为训练集和测试集,尝试不同的K值,对比不同模型在训练集和测试集上的损失函数平方和(SSE,Sum of Squared Errors),寻找最佳的K值。 ### 二、算法原理 K-means算法的基本步骤如下...
recommend-type

python实现鸢尾花三种聚类算法(K-means,AGNES,DBScan)

在鸢尾花数据集的例子中,我们可以使用`sklearn.cluster.KMeans`来实现K-means算法,并通过可视化结果来观察聚类效果。 ### 二、AGNES(凝聚层次聚类) AGNES(Agglomerative Hierarchical Clustering)是一种自底...
recommend-type

Python用K-means聚类算法进行客户分群的实现

在sklearn库中,`KMeans`类提供了实现K-means算法的功能。我们需要设置K值(即预期的聚类数量),然后使用`fit`方法拟合数据,最后用`predict`方法对数据进行预测,得到每个样本的聚类标签。 为了评估聚类结果,...
recommend-type

免安装JDK 1.8.0_241:即刻配置环境运行

资源摘要信息:"JDK 1.8.0_241 是Java开发工具包(Java Development Kit)的版本号,代表了Java软件开发环境的一个特定发布。它由甲骨文公司(Oracle Corporation)维护,是Java SE(Java Platform, Standard Edition)的一部分,主要用于开发和部署桌面、服务器以及嵌入式环境中的Java应用程序。本版本是JDK 1.8的更新版本,其中的241代表在该版本系列中的具体更新编号。此版本附带了Java源码,方便开发者查看和学习Java内部实现机制。由于是免安装版本,因此不需要复杂的安装过程,解压缩即可使用。用户配置好环境变量之后,即可以开始运行和开发Java程序。" 知识点详细说明: 1. JDK(Java Development Kit):JDK是进行Java编程和开发时所必需的一组工具集合。它包含了Java运行时环境(JRE)、编译器(javac)、调试器以及其他工具,如Java文档生成器(javadoc)和打包工具(jar)。JDK允许开发者创建Java应用程序、小程序以及可以部署在任何平台上的Java组件。 2. Java SE(Java Platform, Standard Edition):Java SE是Java平台的标准版本,它定义了Java编程语言的核心功能和库。Java SE是构建Java EE(企业版)和Java ME(微型版)的基础。Java SE提供了多种Java类库和API,包括集合框架、Java虚拟机(JVM)、网络编程、多线程、IO、数据库连接(JDBC)等。 3. 免安装版:通常情况下,JDK需要进行安装才能使用。但免安装版JDK仅需要解压缩到磁盘上的某个目录,不需要进行安装程序中的任何步骤。用户只需要配置好环境变量(主要是PATH、JAVA_HOME等),就可以直接使用命令行工具来运行Java程序或编译代码。 4. 源码:在软件开发领域,源码指的是程序的原始代码,它是由程序员编写的可读文本,通常是高级编程语言如Java、C++等的代码。本压缩包附带的源码允许开发者阅读和研究Java类库是如何实现的,有助于深入理解Java语言的内部工作原理。源码对于学习、调试和扩展Java平台是非常有价值的资源。 5. 环境变量配置:环境变量是操作系统中用于控制程序执行环境的参数。在JDK中,常见的环境变量包括JAVA_HOME和PATH。JAVA_HOME是JDK安装目录的路径,配置此变量可以让操作系统识别到JDK的位置。PATH变量则用于指定系统命令查找的路径,将JDK的bin目录添加到PATH后,就可以在命令行中的任何目录下执行JDK中的命令,如javac和java。 在实际开发中,了解并正确配置JDK对于Java开发者来说是一个基础且重要的环节。掌握如何安装和配置JDK,以及如何理解JDK中的源码和各种工具,对于进行Java编程和解决问题至关重要。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【提升效率与稳定性】:深入掌握单相整流器的控制策略

# 摘要 单相整流器作为电力电子技术的基础设备,广泛应用于电力系统和工业自动化领域。本文首先概述了单相整流器的基本概念,详细分析了其工作原理,包括电力电子器件的角色、数学模型以及控制策略。随后,针对控制技术进行了深入探讨,包括传统控制技术如PID控制和高级控制策略如模糊逻辑控制及自适应控制的应用。进一步地,本文提出了一系列提升单相整流器性能的方法,如效率提升策略、系统稳定性措施,以及性能评估与优化方案。最后,文章探讨了单相整流器在不同领域的应用案例,并对新兴技术与市场趋势进行了展望。 # 关键字 单相整流器;电力电子器件;数学模型;控制策略;性能提升;应用案例 参考资源链接:[单相PWM整
recommend-type

你看这是ashx映射的cs文件初始代码,你看这里边根本就没有写对action参数进行任何操作但你.ashx?action=submit这样去做他就能返回出数据这是为什么

在ASP.NET中,.ashx文件(也称为HTTP处理程序)用于处理HTTP请求并返回响应。即使在初始代码中没有对action参数进行任何操作,系统仍然可以通过默认的ProcessRequest方法处理请求并返回数据。 当你在URL中传递参数(如?action=submit)时,这些参数会被包含在请求的查询字符串中。虽然你的代码没有显式地处理这些参数,但默认的ProcessRequest方法会接收这些参数并执行一些默认操作。 以下是一个简单的.ashx文件示例: ```csharp <%@ WebHandler Language="C#" Class="MyHandler" %> us
recommend-type

机器学习预测葡萄酒评分:二值化品尝笔记的应用

资源摘要信息:"wine_reviewer:使用机器学习基于二值化的品尝笔记来预测葡萄酒评论分数" 在当今这个信息爆炸的时代,机器学习技术已经被广泛地应用于各个领域,其中包括食品和饮料行业的质量评估。在本案例中,将探讨一个名为wine_reviewer的项目,该项目的目标是利用机器学习模型,基于二值化的品尝笔记数据来预测葡萄酒评论的分数。这个项目不仅对于葡萄酒爱好者具有极大的吸引力,同时也为数据分析和机器学习的研究人员提供了实践案例。 首先,要理解的关键词是“机器学习”。机器学习是人工智能的一个分支,它让计算机系统能够通过经验自动地改进性能,而无需人类进行明确的编程。在葡萄酒评分预测的场景中,机器学习算法将从大量的葡萄酒品尝笔记数据中学习,发现笔记与葡萄酒最终评分之间的相关性,并利用这种相关性对新的品尝笔记进行评分预测。 接下来是“二值化”处理。在机器学习中,数据预处理是一个重要的步骤,它直接影响模型的性能。二值化是指将数值型数据转换为二进制形式(0和1)的过程,这通常用于简化模型的计算复杂度,或者是数据分类问题中的一种技术。在葡萄酒品尝笔记的上下文中,二值化可能涉及将每种口感、香气和外观等属性的存在与否标记为1(存在)或0(不存在)。这种方法有利于将文本数据转换为机器学习模型可以处理的格式。 葡萄酒评论分数是葡萄酒评估的量化指标,通常由品酒师根据酒的品质、口感、香气、外观等进行评分。在这个项目中,葡萄酒的品尝笔记将被用作特征,而品酒师给出的分数则是目标变量,模型的任务是找出两者之间的关系,并对新的品尝笔记进行分数预测。 在机器学习中,通常会使用多种算法来构建预测模型,如线性回归、决策树、随机森林、梯度提升机等。在wine_reviewer项目中,可能会尝试多种算法,并通过交叉验证等技术来评估模型的性能,最终选择最适合这个任务的模型。 对于这个项目来说,数据集的质量和特征工程将直接影响模型的准确性和可靠性。在准备数据时,可能需要进行数据清洗、缺失值处理、文本规范化、特征选择等步骤。数据集中的标签(目标变量)即为葡萄酒的评分,而特征则来自于品酒师的品尝笔记。 项目还提到了“kaggle”和“R”,这两个都是数据分析和机器学习领域中常见的元素。Kaggle是一个全球性的数据科学竞赛平台,提供各种机器学习挑战和数据集,吸引了来自全球的数据科学家和机器学习专家。通过参与Kaggle竞赛,可以提升个人技能,并有机会接触到最新的机器学习技术和数据处理方法。R是一种用于统计计算和图形的编程语言和软件环境,它在统计分析、数据挖掘、机器学习等领域有广泛的应用。使用R语言可以帮助研究人员进行数据处理、统计分析和模型建立。 至于“压缩包子文件的文件名称列表”,这里可能存在误解或打字错误。通常,这类名称应该表示存储项目相关文件的压缩包,例如“wine_reviewer-master.zip”。这个压缩包可能包含了项目的源代码、数据集、文档和其它相关资源。在开始项目前,研究人员需要解压这个文件包,并且仔细阅读项目文档,以便了解项目的具体要求和数据格式。 总之,wine_reviewer项目是一个结合了机器学习、数据处理和葡萄酒品鉴的有趣尝试,它不仅展示了机器学习在实际生活中的应用潜力,也为研究者提供了丰富的学习资源和实践机会。通过这种跨领域的合作,可以为葡萄酒行业带来更客观、一致的评价标准,并帮助消费者做出更加明智的选择。