create algorithm

.idea/csv-editor.xml

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="CsvFileAttributes">
+    <option name="attributeMap">
+      <map>
+        <entry key="/Data/iris.csv">
+          <value>
+            <Attribute>
+              <option name="separator" value="," />
+            </Attribute>
+          </value>
+        </entry>
+        <entry key="/Data/student-data-test.csv">
+          <value>
+            <Attribute>
+              <option name="separator" value="," />
+            </Attribute>
+          </value>
+        </entry>
+        <entry key="/Data/student-data-train.csv">
+          <value>
+            <Attribute>
+              <option name="separator" value="," />
+            </Attribute>
+          </value>
+        </entry>
+      </map>
+    </option>
+  </component>
+</project>
\ No newline at end of file

main.py

+import pandas as pd
+import numpy as np
+import matplotlib.pyplot as plt
+
+
+def import_csv(filename: str, h: int = None) -> pd.DataFrame:
+    """
+    Imports a CSV file and returns a pandas DataFrame.
+
+    Args:
+        filename (str): The path to the CSV file.
+        h (int or list of int, default 0): The row(s) to use as the column names.
+
+    Returns:
+        pandas.DataFrame: The imported data as a DataFrame.
+    """
+    return pd.read_csv(filename, header=h)
+
+
+def euclidian_distance(x1, x2):
+    return np.sqrt(np.sum((x1 - x2) ** 2))
+
+
+if __name__ == "__main__":
+    df = import_csv("Data/iris.csv")
+    # Sélectionner les caractéristiques (colonnes) que vous voulez utiliser pour le clustering
+    X = df.iloc[:, :-1].values  # Sélectionner toutes les colonnes sauf la dernière (caratéristique)
+    k = 3  # Nombre de clusters
+
+    # Initialisation des k-centroïdes de manière aleatoire
+    np.random.seed(0)
+    centroids = X[np.random.choice(X.shape[0], k, replace=False)]
+
+    # Initialisation des variables pour stocker les anciens et nouveaux centroïdes
+    old_centroids = np.zeros(centroids.shape)
+    new_centroids = centroids.copy()
+
+    # Initialisation d'une liste pour stocker la somme des distances au sein de chaque cluster à chaque itération
+    distances = []
+
+    iteration = 0
+    while not np.array_equal(old_centroids, new_centroids):
+        iteration += 1
+
+        distances_to_centroids = np.array([[euclidian_distance(x, centroid) for centroid in new_centroids] for x in X])
+        # Attribution des points aux centroïdes les plus proches
+        labels = np.argmin(distances_to_centroids, axis=1)
+
+        # Calcul des nouveaux centroïdes comme la moyenne des points de chaque cluster
+        for i in range(k):
+            new_centroids[i] = np.mean(X[labels == i], axis=0)
+
+        # Calcul des distances au sein de chaque cluster
+        cluster_distances = [np.sum([euclidian_distance(X[j], new_centroids[i])
+                                     for j in range(len(X)) if labels[j] == i]) for i in range(k)]
+        total_distance = np.sum(cluster_distances)
+        distances.append(total_distance)
+
+        # Affichage des clusters à cette iteration
+        plt.figure(figsize=(8, 6))
+        for i in range(k):
+            cluster_points = X[labels == i]
+            plt.scatter(cluster_points[:, 0], cluster_points[:, 1], label=f"Cluster {i + 1}")
+        plt.scatter(new_centroids[:, 0], new_centroids[:, 1], marker="X", color="black", label="Centroids")
+        plt.xlabel("Caractéristique 1")
+        plt.ylabel("Caractéristique 2")
+        plt.legend()
+        plt.title(f"Iteration {iteration}")
+        plt.show()
+
+        # Mettre à jour les anciens et les nouveaux centroïdes
+        old_centroids = new_centroids.copy()
+
+    plt.figure(figsize=(8, 6))
+    plt.plot(range(1, iteration + 1), distances, marker='o')
+    plt.xlabel("Iteration")
+    plt.ylabel("Somme des distances au carré")
+    plt.title("Evolution de la somme des distances au carré")
+    plt.show()