讯享网

要求：

（1）迭代过程中，每一轮迭代、每一类样本的总数、错分的个数、相应的错误率；
（2）画图展示每一轮迭代中，这几个类别的类中心与上一次类中心的总误差变化趋势。（一般来说，是随着迭代次数增加而快速减小的），或者称为纵坐标为在其上进行聚类的准确率。
（3）在图中做出每一轮迭代中，类中心点和不同类别归属。可以用不同颜色、不同标记。





图中可看出，误差平方和与分类数的拐点为k=2；可确定分类个数k=2为**分类个数；一般来说我们不考虑分类个数为1的情况，剔除掉分类个数为1的情况后，发现图中没有明显拐点且呈类线性关系，因此可认为**分类个数即为k=2。

 % 已知20个样本，每个样本有两个特征 % K-means方法的MATLAB实现 % 数据的准备和初始化 clc clear x=[0 0;1 0;0 1;1 1;2 1;1 2;2 2;3 2;6 6;7 6;8 6; 6 7;7 7;8 7;9 7;7 8;8 8;9 8;8 9;9 9]; %设置类标签 for i=1 : 20 if(i<=8) x(i,3)=1; else x(i,3)=2; end end z=zeros(2,2); z1=zeros(2,2); %z=x(:,1); test=x(1:2,2); %z=x(1:2,1:2);%初始聚类中心为第一第二个样本 %z=[6 6;7 6];%初始聚类中心为随机样本 z=rand([2,2])*10; %生成一个2行2列的随机数矩阵 j=1; ErrNum=0; times=0; %初始样本分布图与聚类中心 figure(1); gscatter(x(:,1),x(:,2),x(:,3)); hold on plot(z(:,1),z(:,2),'k*',... 'LineWidth',1,... 'MarkerSize',5,... 'MarkerFaceColor',[0.5,0.5,0.5]) set(gca,'Linewidth',1); title('初始样本分布图与聚类中心'); temp1Sum=0; temp2Sum=0; %%寻找聚类中心 while 1 count=zeros(2,1); allsum=zeros(2,2); ErrNum=0; times=times+1; fprintf('第%d轮计算\n',times); for i=1:20 %对每一个样本i,计算到两个聚类中心的距离 temp1=sqrt((z(1,1)-x(i,1)).^2+(z(1,2)-x(i,2)).^2); temp2=sqrt((z(2,1)-x(i,1)).^2+(z(2,2)-x(i,2)).^2); %fprintf('第%d个样本temp1=%f,temp2=%f\n',i,temp1,temp2); if(temp1<temp2) temp1Sum=temp1Sum+temp1; label(i,1)=1; if(x(i,3)==2) ErrNum=ErrNum+1; fprintf('第%d个样本分类错误！\n',i); end count(1)=count(1)+1;%第一类个数 allsum(1,1)=allsum(1,1)+x(i,1);%所有第一类的坐标累加 allsum(1,2)=allsum(1,2)+x(i,2); else label(i,1)=2; temp2Sum=temp2Sum+temp2; if(x(i,3)==1) ErrNum=ErrNum+1; fprintf('第%d个样本分类错误！\n',i); end count(2)=count(2)+1;%第二类个数 allsum(2,1)=allsum(2,1)+x(i,1);%所有第二类的坐标累加 allsum(2,2)=allsum(2,2)+x(i,2); end end fprintf('第%d轮错误个数为：%d错误率为%f\n',times,ErrNum,ErrNum/20); %取均值，迭代新的聚类中心 z1(1,1)=allsum(1,1)/count(1); z1(1,2)=allsum(1,2)/count(1); z1(2,1)=allsum(2,1)/count(2); z1(2,2)=allsum(2,2)/count(2); figure(j+1) gscatter(x(:,1),x(:,2),label(:,1)); % plot( x(:,1),x(:,2),'k*',... % 'LineWidth',2,... % 'MarkerSize',10,... % 'MarkerEdgeColor','k',... % 'MarkerFaceColor',[0.5,0.5,0.5]) hold on plot(z1(:,1),z1(:,2),'k*',... 'LineWidth',1,... 'MarkerSize',5,... 'MarkerFaceColor',[0.5,0.5,0.5]) set(gca,'Linewidth',1); title(sprintf('第%d次迭代图', j)) % title('K-means分类图','fontsize',12); if(z==z1) break; else fprintf('第%d轮后聚类中心为：\n',j); disp(z1); fprintf('\n'); z=z1; j=j+1; end end %%结果显示 fprintf('最终聚类中心：\n'); disp(z1); %输出聚类中心 gscatter(x(:,1),x(:,2),label(:,1)); % plot( x(:,1),x(:,2),'k*',... % 'LineWidth',2,... % 'MarkerSize',10,... % 'MarkerEdgeColor','k',... % 'MarkerFaceColor',[0.5,0.5,0.5]) hold on plot(z1(:,1),z1(:,2),'k*',... 'LineWidth',1,... 'MarkerSize',5,... 'MarkerFaceColor',[0.5,0.5,0.5]) set(gca,'Linewidth',1); title('K-means分类图','fontsize',12);