k-modes聚类算法

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

为什么要用k-modes算法

k-means算法是一种简单且实用的聚类算法，但是传统的k-means算法只适用于连续属性的数据集(数值型数据)，而对于离散属性的数据集，计算簇的均值以及点之间的欧式距离就变得不合适了。k-modes作为k-means的一种扩展(变种)，距离使用汉明距离，适用于离散属性的数据集。

k-modes算法介绍

K-modes是数据挖掘中针对分类属性型数据进行聚类采用的方法，其算法思想比较简单，时间复杂度也比K-means、K-medoids低，大致思想如下：

假设有N个样本，M个属性且全是离散的，簇的个数为k

算例

code-Python

import numpy as np

from kmodes import kmodes

'''生成互相无交集的离散属性样本集'''

data1 = np.random.randint(1,6,(10000,10))

data2 = np.random.randint(6,12,(10000,10))

data = np.concatenate((data1,data2))

'''进行K-modes聚类'''

km = kmodes.KModes(n_clusters=2)

clusters = km.fit_predict(data)

'''计算正确归类率'''

score = np.sum(clusters[:int(len(clusters)/2)])+(len(clusters)/2-np.sum(clusters[int(len(clusters)/2):]))

score = score/len(clusters)

if score >= 0.5:

    print('正确率：'+ str(score))

else:

    print('正确率：'+ str(1-score))