۵ کیو· متوسط رو به بالامتوسطPYTHON۴ ثانیه · ۲۵۶ مگابایت
خوشه‌بندی k-میانگین
تابع kmeans(X, centers, max_iter) الگوریتم k-میانگین را از مرکزهای اولیه‌ی داده‌شده اجرا می‌کند:
- هر نقطه را به نزدیک‌ترین مرکز (فاصله‌ی اقلیدسی) نسبت بده؛ در تساوی، مرکز با شماره‌ی کوچک‌تر.
- هر مرکز را میانگین نقطه‌های خوشه‌ی خودش کن.
- تکرار کن تا وقتی نسبت دادن‌ها عوض نشوند، یا
max_iterبار گام ۱ و ۲ انجام شده باشد.
خروجی: مرکزهای نهایی سطر به سطر و پشت‌سرهم، و در آخر مجموع مربعات درون‌خوشه‌ای (مجموع مربع فاصله‌ی هر نقطه تا مرکز خوشه‌اش با مرکزهای نهایی و نسبت دادن نهایی). در آزمون‌ها هیچ خوشه‌ای خالی نمی‌شود.
نمونه‌ها
ورودی نمونه ۱
[[[-0.22, 0.6], [4.25, 3.63], [0.4, 4.13], [0.36, -0.34], [4.38, 4.26], [-0.46, 5.32], [0.21, -0.39], [5.2, 4.48], [-0.71, 4.41]], [[2.0, 2.0], [2.5, 2.5], [3.0, 3.0]], 1]
خروجی نمونه ۱
[-0.09, 1.07, -0.03, 4.725, 4.61, 4.1233, 18.1877]
ورودی نمونه ۲
[[[-0.22, 0.6], [4.25, 3.63], [0.4, 4.13], [0.36, -0.34], [4.38, 4.26], [-0.46, 5.32], [0.21, -0.39], [5.2, 4.48], [-0.71, 4.41]], [[2.0, 2.0], [2.5, 2.5], [3.0, 3.0]], 100]
خروجی نمونه ۲
[0.1167, -0.0433, -0.2567, 4.62, 4.61, 4.1233, 3.1755]
برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.
ورود