Problema
K-means encuentra grupos en datos sin etiquetar. Empezando por los centroides dados, repite iterations veces:
- Asignar: coloca cada punto en el clúster de su centroide más cercano (distancia euclidiana). Si dos centroides están igual de cerca, elige el de índice menor.
- Actualizar: mueve cada centroide al promedio de los puntos asignados a él. Un centroide sin puntos se queda donde está.
Implementa k_means(points, centroids, iterations).
Entrada
points: Los puntos de datos, cada uno una lista de coordenadas.
centroids: Los k centroides iniciales, con el mismo número de coordenadas.
iterations: Cuántas rondas de asignar y actualizar ejecutar.
Salida
Devuelve los centroides finales en su orden original.
Restricciones
1 ≤ número de puntos ≤ 1000, 1 ≤ k ≤ 20, 1 ≤ dimensiones ≤ 10
0 ≤ iterations ≤ 100
-1000 ≤ cada coordenada ≤ 1000
Ejemplos
Entrada:
points = [
[1.0, 1.0],
[1.5, 2.0],
[8.0, 8.0],
[9.0, 8.5]
]
centroids = [
[0.0, 0.0],
[10.0, 10.0]
]
iterations = 1
Salida esperada:
expected = [
[1.25, 1.5],
[8.5, 8.25]
]Entrada:
std::vector<std::vector<double>> points = {
{1.0, 1.0},
{1.5, 2.0},
{8.0, 8.0},
{9.0, 8.5}
};
std::vector<std::vector<double>> centroids = {
{0.0, 0.0},
{10.0, 10.0}
};
long long iterations = 1;
Salida esperada:
std::vector<std::vector<double>> expected = {
{1.25, 1.5},
{8.5, 8.25}
};Entrada:
double[][] points = new double[][] {
new double[] {1.0, 1.0},
new double[] {1.5, 2.0},
new double[] {8.0, 8.0},
new double[] {9.0, 8.5}
};
double[][] centroids = new double[][] {
new double[] {0.0, 0.0},
new double[] {10.0, 10.0}
};
long iterations = 1;
Salida esperada:
double[][] expected = new double[][] {
new double[] {1.25, 1.5},
new double[] {8.5, 8.25}
};Explicación
Los dos primeros puntos están más cerca de (0, 0) y los dos últimos de (10, 10). Los nuevos centroides son los promedios: ((1 + 1.5) / 2, (1 + 2) / 2) = (1.25, 1.5) y ((8 + 9) / 2, (8 + 8.5) / 2) = (8.5, 8.25).
Entrada:
points = [
[0.0],
[1.0],
[10.0]
]
centroids = [
[0.0],
[100.0]
]
iterations = 2
Salida esperada:
expected = [
[3.666667],
[100.0]
]Entrada:
std::vector<std::vector<double>> points = {
{0.0},
{1.0},
{10.0}
};
std::vector<std::vector<double>> centroids = {
{0.0},
{100.0}
};
long long iterations = 2;
Salida esperada:
std::vector<std::vector<double>> expected = {
{3.666667},
{100.0}
};Entrada:
double[][] points = new double[][] {
new double[] {0.0},
new double[] {1.0},
new double[] {10.0}
};
double[][] centroids = new double[][] {
new double[] {0.0},
new double[] {100.0}
};
long iterations = 2;
Salida esperada:
double[][] expected = new double[][] {
new double[] {3.666667},
new double[] {100.0}
};Explicación
Ronda 1: (100) está lejos de todos los puntos, así que los tres puntos van al centroide 1, que se mueve a (0 + 1 + 10) / 3 ≈ 3.666667; el centroide 2 no recibe puntos y se queda en 100. La ronda 2 asigna igual, así que el resultado es [[3.666667], [100]].
Referencias
Este reto está adaptado para CodeUtility. Sigue el enunciado y las restricciones indicadas arriba.