Computer Science на языке Java 2022 Дэвид Копец Классические задачи Computer Science на языке Java 2022 ббк

Листинг 6.4. 
KMeans.java (продолжение)
private 
List
points;
private 
List clusters;
public 
KMeans(
int 
k, List
points) {
if 
(k < 1) { // число кластеров не может быть 
// отрицательным или равным нулю
throw new 
IllegalArgumentException("k must be >= 1");
}
this
.points = points;
zScoreNormalize();
// инициализируем пустые кластеры случайными центроидами
clusters = 
new 
ArrayList<>();
for 
(
int 
i = 0; i < k; i++) {
DataPoint randPoint = randomPoint();
Cluster cluster = 
new 
Cluster(
new 
ArrayList
(), randPoint);
clusters.add(cluster);
}
}

---

6.2. Алгоритм кластеризации методом k-средних
167
private 
List centroids() {
return 
clusters.stream().map(cluster -> cluster.centroid)
.collect(Collectors.
toList
());
}
С.классом.
KMeans
.связан.массив.
points
..Это.все.единицы.данных.из.набора.данных..
Затем.единицы.данных.делятся.между.кластерами,.которые.хранятся.в.соответ-
ствующей.переменной.
clusters
..Когда.создается.экземпляр.
KMeans
,.он.должен.
знать,.сколько.кластеров.требуется.создать.(
k
)..Каждый.кластер.изначально.имеет.
случайный.центроид..Все.единицы.данных,.которые.будут.использоваться.в.алго-
ритме,.нормализуются.по.z-оценке..Вычисляемое.свойство.
centroids
.возвращает.
все.центроиды,.связанные.с.кластерами,.создаваемыми.алгоритмом.(листинг.6.5).
Листинг 6.5. 
KMeans.java (продолжение)
private 
List dimensionSlice(