java kmeans是什么，讓我們一起了解一下？

k-means是一種迭代求解的聚類分析算法，其步驟是，預(yù)將數(shù)據(jù)分為K組，則隨機(jī)選取K個(gè)對(duì)象作為初始的聚類中心，然后計(jì)算每個(gè)對(duì)象與各個(gè)種子聚類中心之間的距離，把每個(gè)對(duì)象分配給距離它最近的聚類中心。

K-means算法是怎樣的？

1、選取K個(gè)點(diǎn)作為初始質(zhì)心。

2、對(duì)每個(gè)樣本分別計(jì)算到K個(gè)質(zhì)心的相似度或距離，將該樣本劃分到相似度最高或距離最短的質(zhì)心所在類。

3、對(duì)該輪聚類結(jié)果，計(jì)算每一個(gè)類別的質(zhì)心，新的質(zhì)心作為下一輪的質(zhì)心。

4、判斷算法是否滿足終止條件，滿足終止條件結(jié)束，否則繼續(xù)第2、3、4步。

java如何實(shí)現(xiàn)kmeans？

初始化：

1、先把數(shù)據(jù)集中的點(diǎn)的坐標(biāo)讀入到一個(gè)二維數(shù)組中。

2、并選擇前面的三個(gè)點(diǎn)作為初始的中心點(diǎn)。

迭代部分：

1、對(duì)每個(gè)點(diǎn)分別計(jì)算到三個(gè)中心點(diǎn)的距離，并根據(jù)最小的距離給點(diǎn)分類。

2、對(duì)每一類的所有點(diǎn)的橫縱坐標(biāo)計(jì)算均值生成新的中心點(diǎn)保存。

具體代碼示例如下：

import?java.io.*;
?
import?org.apache.hadoop.conf.Configuration;
public?class?kmeans1
{
static?double?[][]?cluster={{1,1},{2,2},{3,3}};
static?double?[][]?point?=new?double[2000][2];
static?int?[]kind=new?int[2000];
static?int?count=0;
static?int?[]Count=new?int[3];
public?static?void?readfile()?throws?IOException
{
BufferedReader?in?=?new?BufferedReader(new?InputStreamReader(new?FileInputStream("/usr/local/hadoop/data.txt"),"GBK"));
String?str?=?null;
while?((str?=?in.readLine())?!=?null)?{
?????//System.out.println(str);
????????//寫入相關(guān)文件
????????//out.write(str);
????????//out.newLine();
??double?point_x=Double.valueOf(str.split(",")[0]);
????double?point_y=Double.valueOf(str.split(",")[1]);
????point[count][0]=point_x;
????point[count][1]=point_y;
????if(count<3)
????{
????cluster[count][0]=point_x;
????cluster[count][1]=point_y;
????}
????count++;
????}
????//清楚緩存
????//out.flush();
????//關(guān)閉流
????in.close();
????//out.close();
}
public?static?void?iter()
{
for(int?i=0;i<20;i++)
{
for(int?j=0;j<2000;j++)
{
double?distance=1000000000.0;
for(int?k=0;k<3;k++)
{
double?temp=Math.pow(point[j][0]-cluster[k][0],?2)+Math.pow(point[j][1]-cluster[k][1],?2);
if(temp
以上就是小編今天的分享了，希望可以幫助到大家。