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 13:16:39 浏览: 102
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

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

R语言中workflows包的建模工作流程解析

资源摘要信息:"工作流程建模是将预处理、建模和后处理请求结合在一起的过程,从而优化数据科学的工作流程。工作流程可以将多个步骤整合为一个单一的对象,简化数据处理流程,提高工作效率和可维护性。在本资源中,我们将深入探讨工作流程的概念、优点、安装方法以及如何在R语言环境中使用工作流程进行数据分析和模型建立的例子。 首先,工作流程是数据处理的一个高级抽象,它将数据预处理(例如标准化、转换等),模型建立(例如使用特定的算法拟合数据),以及后处理(如调整预测概率)等多个步骤整合起来。使用工作流程,用户可以避免对每个步骤单独跟踪和管理,而是将这些步骤封装在一个工作流程对象中,从而简化了代码的复杂性,增强了代码的可读性和可重用性。 工作流程的优势主要体现在以下几个方面: 1. 管理简化:用户不需要单独跟踪和管理每个步骤的对象,只需要关注工作流程对象。 2. 效率提升:通过单次fit()调用,可以执行预处理、建模和模型拟合等多个步骤,提高了操作的效率。 3. 界面简化:对于具有自定义调整参数设置的复杂模型,工作流程提供了更简单的界面进行参数定义和调整。 4. 扩展性:未来的工作流程将支持添加后处理操作,如修改分类模型的概率阈值,提供更全面的数据处理能力。 为了在R语言中使用工作流程,可以通过CRAN安装工作流包,使用以下命令: ```R install.packages("workflows") ``` 如果需要安装开发版本,可以使用以下命令: ```R # install.packages("devtools") devtools::install_github("tidymodels/workflows") ``` 通过这些命令,用户可以将工作流程包引入到R的开发环境中,利用工作流程包提供的功能进行数据分析和建模。 在数据建模的例子中,假设我们正在分析汽车数据。我们可以创建一个工作流程,将数据预处理的步骤(如变量选择、标准化等)、模型拟合的步骤(如使用特定的机器学习算法)和后处理的步骤(如调整预测阈值)整合到一起。通过工作流程,我们可以轻松地进行整个建模过程,而不需要编写繁琐的代码来处理每个单独的步骤。 在R语言的tidymodels生态系统中,工作流程是构建高效、可维护和可重复的数据建模工作流程的重要工具。通过集成工作流程,R语言用户可以在一个统一的框架内完成复杂的建模任务,充分利用R语言在统计分析和机器学习领域的强大功能。 总结来说,工作流程的概念和实践可以大幅提高数据科学家的工作效率,使他们能够更加专注于模型的设计和结果的解释,而不是繁琐的代码管理。随着数据科学领域的发展,工作流程的工具和方法将会变得越来越重要,为数据处理和模型建立提供更加高效和规范的解决方案。"
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

【工程技术中的数值分析秘籍】:数学问题的终极解决方案

![【工程技术中的数值分析秘籍】:数学问题的终极解决方案](https://media.geeksforgeeks.org/wp-content/uploads/20240429163511/Applications-of-Numerical-Analysis.webp) 参考资源链接:[东南大学_孙志忠_《数值分析》全部答案](https://wenku.csdn.net/doc/64853187619bb054bf3c6ce6?spm=1055.2635.3001.10343) # 1. 数值分析的数学基础 在探索科学和工程问题的计算机解决方案时,数值分析为理解和实施这些解决方案提供了
recommend-type

如何在数控车床仿真系统中正确进行机床回零操作?请结合手工编程和仿真软件操作进行详细说明。

机床回零是数控车床操作中的基础环节,特别是在仿真系统中,它确保了机床坐标系的正确设置,为后续的加工工序打下基础。在《数控车床仿真实验:操作与编程指南》中,你可以找到关于如何在仿真环境中进行机床回零操作的详尽指导。具体操作步骤如下: 参考资源链接:[数控车床仿真实验:操作与编程指南](https://wenku.csdn.net/doc/3f4vsqi6eq?spm=1055.2569.3001.10343) 首先,确保数控系统已经启动,并处于可以进行操作的状态。然后,打开机床初始化界面,解除机床锁定。在机床控制面板上选择回零操作,这通常涉及选择相应的操作模式或输入特定的G代码,例如G28或
recommend-type

Vue统计工具项目配置与开发指南

资源摘要信息:"该项目标题为'bachelor-thesis-stat-tool',是一个涉及统计工具开发的项目,使用Vue框架进行开发。从描述中我们可以得知,该项目具备完整的前端开发工作流程,包括项目设置、编译热重装、生产编译最小化以及代码质量检查等环节。具体的知识点包括: 1. Vue框架:Vue是一个流行的JavaScript框架,用于构建用户界面和单页应用程序。它采用数据驱动的视图层,并能够以组件的形式构建复杂界面。Vue的核心库只关注视图层,易于上手,并且可以通过Vue生态系统中的其他库和工具来扩展应用。 2. yarn包管理器:yarn是一个JavaScript包管理工具,类似于npm。它能够下载并安装项目依赖,运行项目的脚本命令。yarn的特色在于它通过一个锁文件(yarn.lock)来管理依赖版本,确保项目中所有人的依赖版本一致,提高项目的可预测性和稳定性。 3. 项目设置与开发流程: - yarn install:这是一个yarn命令,用于安装项目的所有依赖,这些依赖定义在package.json文件中。执行这个命令后,yarn会自动下载并安装项目所需的所有包,以确保项目环境配置正确。 - yarn serve:这个命令用于启动一个开发服务器,使得开发者可以在本地环境中编译并实时重载应用程序。在开发模式下,这个命令通常包括热重载(hot-reload)功能,意味着当源代码发生变化时,页面会自动刷新以反映最新的改动,这极大地提高了开发效率。 4. 生产编译与代码最小化: - yarn build:这个命令用于构建生产环境所需的代码。它通常包括一系列的优化措施,比如代码分割、压缩和打包,目的是减少应用程序的体积和加载时间,提高应用的运行效率。 5. 代码质量检查与格式化: - yarn lint:这个命令用于运行项目中的lint工具,它是用来检查源代码中可能存在的语法错误、编码风格问题、代码重复以及代码复杂度等问题。通过配置适当的lint规则,可以统一项目中的代码风格,提高代码的可读性和可维护性。 6. 自定义配置: - 描述中提到'请参阅',虽然没有具体信息,但通常意味着项目中会有自定义的配置文件或文档,供开发者参考,如ESLint配置文件(.eslintrc.json)、webpack配置文件等。这些文件中定义了项目的个性化设置,包括开发服务器设置、代码转译规则、插件配置等。 综上所述,这个项目集成了前端开发的常用工具和流程,展示了如何使用Vue框架结合yarn包管理器和多种开发工具来构建一个高效的项目。开发者需要熟悉这些工具和流程,才能有效地开发和维护项目。"