山东大学计算机学院机器学习实验一K-means.docVIP

山东大学计算机学院实验报告 实验题目：K-means算法编写 学号： 日期：2016.9.28 班级： 2014级4班 姓名： Email： 实验目的： 熟悉matlab环境及相关函数的熟练使用。 根据已给的2d-data和3d-data，输入数据后用自己编写的k-means算法画出各个类别。 硬件环境：? windows10操作系统 软件环境： matlab环境 实验步骤： 一、背景知识及原理 聚类分析是指事先不了解一批样品中的每个样品的类别或者其他的先验知识，而唯一的分类依据是样品的特征，利用某种相似性度量的方法，把特征相同的或相近的分为一类，实现聚类分析。 K均值算法能够使聚类集中所有样本到聚类中心的距离和最小。原理为：先选K个初始距离中心，计算每个样本到这K个中心的距离，找出最小距离把样本归入最近的聚类中心，然后对中心进行修改，得到新的K个中心，再计算样本到K个中心的距离，重新归类，重新计算中心，修改中心。直到新的聚类中心等于聚类中心则结束。 二、实验步骤 1.首先我是直接load的2d-data，没有单独分出一个.m文件来。但是后来在修改的时候单独了一个.m问卷写main函数，来获取用户的输入来判断导入2d还是3d数据，然后调用k-means函数，这个函数没有返回值。 2.第一次的中心点是随机选取的，然后求每个点到中心点的距离，点到哪个中心点距离小就把该点归为中心点的类。想当于给数据增加了一列，最后一列是数据类。然后求某个类中数据的平均值，求得中心点。如果这次求得的中心点和上次的是相同的，即两个矩阵的差是0时，大循环里面参数为假，就跳出，则聚类完毕。 3.最后写了画图的方法，就是比较普遍的画图方法，简单有效，加上了图像的名字，x,y轴名字等。将14种颜色放在两个数组中，一个数组中是空心圆，一个是实心点，这样清晰明了的可以看出聚成的几个类别。 三、实验结果 2d-data: 3d-data： 结论分析与体会： 刚开始拿到实验题目是非常茫然，不知道从哪里下手，以前用matlab做机器学习的时候，一般都是直接使用内部自带的函数的，这次要自己编写函数，所以开始进展很慢。 第一次写完，用了很多的for循环和if语句，非常的繁琐，感觉不太科学，于是将自己的一些想法去网上搜了一下，发现matlab自带很多方便的函数，比如find,abs等，把其中很多繁琐的地方改的简单多了。 最后运行的时候，图像出来了，但是有几次迭代出来的结果不准确，后来又修复了一下，迭代效果好多了，基本上都是正确的，但是偶尔还是由于初始中心点的问题导致错误。后来也调整了一下自己的图像，让其看起来雅观了许多。