# exp1

**Repository Path**: sunNAU/exp1

## Basic Information

- **Project Name**: exp1
- **Description**: 大数据理论与技术基础-实验课1（k-means）
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-03-25
- **Last Updated**: 2024-03-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# exp1

## 介绍
大数据理论与技术基础-实验课1（k-means）


## 实验目的

1.  掌握python编程环境配置，能够根据需要使用conda管理虚拟环境；

2.  掌握k-means算法，能够编程实现算法功能。


## 实验内容

1.  配置python编程环境（不限操作系统）；

2.  在环境exp1下编程实现k-means算法；

3.  基于MNIST 优化k-means算法（选做*）。


## 实验要求

1.  配置python编程环境（不限操作系统）

- 使用3.8版本python建立虚拟环境exp1；

- 在exp1环境中至少安装有matplotlib和numpy两个依赖包。

2.  在环境exp1下编程实现k-means算法

- 使用IRIS数据集，完善k-means-iris.py实现功能；

- 输出兰德指数随迭代次数变化曲线图；

- IRIS数据集样本中包含四个属性信息，任取两维，分析聚类性能，画出数据点聚类示意图，标注对应的兰德指数。(可多次运行，取较好一次)


3.  基于MNIST 优化k-means算法（选做*）	

- 使用MNIST手写数字数据集，完善k-means-mnist.py实现功能；

- 画出准确度指标和兰德指数随迭代次数变化曲线图；

- 从聚类中心初始化、聚类中心更新方式等角度优化k-means算法迭代速度（任意角度选其一）。

## 结果提交

1.  提交实验报告（统一命名为：学号_姓名.docx）

2.  提交源代码（删掉数据集与demo文件）；

3.  代码文件夹命名为学号，且与实验报告位于同一级。