当前位置：首页 > PHP

php 实现聚类

2026-03-13 14:34:50PHP

PHP 实现聚类的方法

聚类分析是一种无监督学习技术，用于将数据点分组为具有相似特征的簇。PHP 可以通过调用外部库或手动实现算法来完成聚类任务。

使用 PHP-ML 库进行聚类

PHP-ML 是一个专门为 PHP 设计的机器学习库，支持多种聚类算法，如 K-Means 和 DBSCAN。

安装 PHP-ML
通过 Composer 安装 PHP-ML：
```
composer require php-ai/php-ml
```

K-Means 聚类示例
以下代码演示如何使用 K-Means 算法对二维数据进行聚类：

use Phpml\Clustering\KMeans;

$samples = [[1, 1], [8, 7], [1, 2], [7, 8], [2, 1], [8, 9]];
$kmeans = new KMeans(2); // 分为 2 个簇
$clusters = $kmeans->cluster($samples);

print_r($clusters);

DBSCAN 聚类示例
DBSCAN 是一种基于密度的聚类算法，适合处理非球形分布的数据：

use Phpml\Clustering\DBSCAN;

$samples = [[1, 1], [1, 2], [8, 7], [8, 8], [25, 25]];
$dbscan = new DBSCAN($epsilon = 2, $minSamples = 2);
$clusters = $dbscan->cluster($samples);

print_r($clusters);

手动实现 K-Means 算法

如果不依赖外部库，可以手动实现 K-Means 算法：

初始化质心
随机选择 K 个点作为初始质心：

function initCentroids(array $data, int $k): array {
    $centroids = [];
    $keys = array_rand($data, $k);
    foreach ($keys as $key) {
        $centroids[] = $data[$key];
    }
    return $centroids;
}

分配点到最近的质心
计算每个点到质心的距离，分配到最近的簇：

function assignClusters(array $data, array $centroids): array {
    $clusters = array_fill(0, count($centroids), []);
    foreach ($data as $point) {
        $minDist = INF;
        $clusterIndex = 0;
        foreach ($centroids as $i => $centroid) {
            $dist = sqrt(pow($point[0] - $centroid[0], 2) + pow($point[1] - $centroid[1], 2));
            if ($dist < $minDist) {
                $minDist = $dist;
                $clusterIndex = $i;
            }
        }
        $clusters[$clusterIndex][] = $point;
    }
    return $clusters;
}

更新质心位置
计算每个簇的均值作为新质心：

function updateCentroids(array $clusters): array {
    $centroids = [];
    foreach ($clusters as $cluster) {
        $sumX = 0; $sumY = 0;
        foreach ($cluster as $point) {
            $sumX += $point[0];
            $sumY += $point[1];
        }
        $centroids[] = [
            $sumX / count($cluster),
            $sumY / count($cluster)
        ];
    }
    return $centroids;
}

迭代直到收敛
重复分配和更新步骤，直到质心不再变化：

function kMeans(array $data, int $k, int $maxIterations = 100): array {
    $centroids = initCentroids($data, $k);
    for ($i = 0; $i < $maxIterations; $i++) {
        $clusters = assignClusters($data, $centroids);
        $newCentroids = updateCentroids($clusters);
        if ($centroids === $newCentroids) break;
        $centroids = $newCentroids;
    }
    return $clusters;
}