最美情侣中文字幕电影,在线麻豆精品传媒,在线网站高清黄,久久黄色视频

歡迎光臨散文網(wǎng) 會(huì)員登陸 & 注冊(cè)

無監(jiān)督學(xué)習(xí)Kmeans聚類(代碼重傳

2018-08-03 16:30 作者:licuihe  | 我要投稿


上面是k值不同時(shí)候的情況


共兩個(gè)代碼文件:

kmeans.py

# -*- coding: utf-8 -*-


import numpy as np

import matplotlib.pyplot as plt



class KMeansClassifier():

    """

    這是一個(gè)kmean分類器

    """


    # k initcent='random'初始化聚類中心的方法 max_iter=20訓(xùn)練的次數(shù)

    def __init__(self, k=3, initcent='random', max_iter=20):

        

        self._k = k  # 接外面?zhèn)鬟M(jìn)來的

        self._initCent = initcent

        self._max_iter = max_iter

        self._clusterAssment = None

        self._labels = None

        self._sse = None


    def draw_pic(self, step):

        colors = ['b', 'g', 'r', 'k', 'c', 'm', 'y', '#e24fff', '#524C90', '#845868']

        for i in range(self._k):

            plt.scatter(self._centroids[i, 0], self._centroids[i, 1], marker='o', color=colors[i], linewidths=2)

            plt.text(s=step.__str__(), x=self._centroids[i, 0], y=self._centroids[i, 1], color=colors[i], size=20)


    # print(arrA, arrB) # 前一個(gè)是聚類中心的x y坐標(biāo),后一個(gè)散點(diǎn)的x y坐標(biāo)     歐拉距離計(jì)算

    def _cal_e_dist(self, arr_a, arr_b):

        """

        功能:歐拉距離計(jì)算

        輸入:兩個(gè)一維數(shù)組

        """

        return np.math.sqrt(sum(np.power(arr_a - arr_b, 2)))

    

    def _calMDist(self, arr_a, arr_b):

        """

        功能:曼哈頓距離距離計(jì)算

        輸入:兩個(gè)一維數(shù)組

        arrA是聚類中心的x y坐標(biāo),arrB是散點(diǎn)的x y坐標(biāo)

        """

        return sum(np.abs(arr_a - arr_b))


    # centroids[0][0]保存的是第一個(gè)聚類中心的x值 centroids[0][1]保存的是第一個(gè)聚類中心的y值

    def _randCent(self, data_x, k):

        """

        功能:隨機(jī)選取k個(gè)質(zhì)心

        輸出:centroids #返回一個(gè)k*n的質(zhì)心矩陣

        """


        n = data_x.shape[1]  # 獲取特征的維數(shù)

        # print(n) # 這里是2,因?yàn)樯Ⅻc(diǎn)是二維的

        centroids = np.empty((k, n))  # 使用numpy生成一個(gè)k*n的矩陣,用于存儲(chǔ)質(zhì)心坐標(biāo)

        for j in range(n):

            min_j = min(data_x[:, j])  # 取到第j維最小的數(shù)

            range_j = float(max(data_x[:, j] - min_j))  # 取到第j維的坐標(biāo)變化范圍

            # 使用flatten拉平嵌套列表(nested list)

            centroids[:, j] = (min_j + range_j * np.random.rand(k, 1)).flatten()  # 隨機(jī)選取第j維的坐標(biāo)(保證坐標(biāo)不超過數(shù)據(jù))

        # print(centroids)



        """

        # 指定初始坐標(biāo)

        centroids = np.empty((k, data_x.shape[1]))

        for i in range(k):

            centroids[i][0] = i

            centroids[i][1] = i

        # print(centroids)"""

        return centroids


    # self._centroids[i, :]  # 計(jì)算取出的第i類樣本點(diǎn)的各個(gè)坐標(biāo)均值

    # self._labels  # 樣本點(diǎn)所屬的類的索引值minIndex

    # self._sse  # 該點(diǎn)與其聚類中心的平方誤差minDist**2

    def fit(self, data_x):

        """

        輸入:一個(gè)m*n維的矩陣

        本例是m*2

        """

        if not isinstance(data_x, np.ndarray) or isinstance(data_x, np.matrixlib.defmatrix.matrix):

            try:

                data_x = np.asarray(data_x)

            except:

                raise TypeError("numpy.ndarray resuired for data_X")


        m = data_x.shape[0]  # 獲取樣本的個(gè)數(shù)m(79)     data_X.shape[1]是維數(shù)n=2

        # 準(zhǔn)備一個(gè)m*2的二維矩陣,矩陣第一列存儲(chǔ)樣本點(diǎn)所屬的類的索引值 第二列存儲(chǔ)該點(diǎn)與其聚類中心的平方誤差

        self._clusterAssment = np.zeros((m, 2))


        # 返回centroids[0][0]第0中心的x  centroids[0][1]第0中心的y

        if self._initCent == 'random':

            self._centroids = self._randCent(data_x, self._k)



        self.draw_pic(0)  # =====================================================================================

        # self._max_iter是最多訓(xùn)練的次數(shù)

        for _iter in range(self._max_iter):  # ============================對(duì)每次訓(xùn)練

            shou_lian = True  # 這個(gè)散點(diǎn)所跟隨的聚類中心是不是變了

            # 將每個(gè)樣本點(diǎn)分配到離它最近的質(zhì)心所屬的族

            for i in range(m):   # ========================================對(duì)每個(gè)散點(diǎn)

                min_dist = np.inf  # 首先將minDist置為一個(gè)無窮大的數(shù)

                min_index = -1    # 將最近質(zhì)心的下標(biāo)置為-1

                # 次迭代用于尋找最近的質(zhì)心

                for j in range(self._k):  # ===============================對(duì)每個(gè)聚類中心

                    # 第j個(gè)聚類中心的x y坐標(biāo)         # ab第i個(gè)散點(diǎn)的x y坐標(biāo)

                    arr_a = self._centroids[j, :]

                    arr_b = data_x[i, :]

                    dist_ab = self._cal_e_dist(arr_a, arr_b)

                    if dist_ab < min_dist:

                        min_dist = dist_ab  # 更新

                        min_index = j  # 記錄

                # 第一列索引值 第二列平方誤差 共m行

                if self._clusterAssment[i, 0] != min_index or self._clusterAssment[i, 1] > min_dist**2:

                    self._clusterAssment[i, :] = min_index, min_dist**2

                    shou_lian = False

            if shou_lian:  # 收斂,結(jié)束迭代

                break


            self.old_temp = []

            # 更新 將每個(gè)類中的點(diǎn)的均值作為新的聚類中心的坐標(biāo)

            for i in range(self._k):  # =====================================對(duì)于聚類中心數(shù)量

                value = np.nonzero(self._clusterAssment[:, 0] == i)  # 取出散點(diǎn)的索引值

                self.old_temp[:] = self._centroids[i, :]

                self._centroids[i, :] = np.mean(data_x[value[0]], axis=0)  # 計(jì)算第i中心所有樣本點(diǎn)的各個(gè)坐標(biāo)均值

                if self._centroids[i, 0] != self._centroids[i, 0]:  # 是空值nan,沒有人追隨著個(gè)中心點(diǎn)

                    self._centroids[i, :] = self.old_temp[:]


            # 這里打印出每步的聚類中心的位置

            colors = ['b', 'g', 'r', 'k', 'c', 'm', 'y', '#e24fff', '#524C90', '#845868']

            if _iter==0:

                for i in range(self._k):  # 對(duì)每個(gè)聚類

                    index = np.nonzero(self._clusterAssment[:, 0] == i)[0]

                    x0 = data_x[index, 0]  # x坐標(biāo)

                    x1 = data_x[index, 1]  # y坐標(biāo)

                    for j in range(len(x0)):  # 對(duì)所有這些點(diǎn)

                        plt.text(x0[j], x1[j], str(i), color=colors[i], fontdict={'weight': 'bold', 'size': 6})

            self.draw_pic(_iter+1)


        self._labels = self._clusterAssment[:, 0]  # 第一列存樣本點(diǎn)所屬的類的索引值minIndex

        self._sse = sum(self._clusterAssment[:, 1])  # 第二列存該點(diǎn)與其聚類中心的平方誤差minDist**2

        # print('step', _iter, '\n', self._centroids, '\n', self._labels, '\n', self._sse)


    # preds[:] 各個(gè)點(diǎn)依次的預(yù)測(cè)聚類中心

    def predict(self, x):  # 根據(jù)聚類結(jié)果,預(yù)測(cè)新輸入數(shù)據(jù)所屬的族

        # 類型檢查

        if not isinstance(x, np.ndarray):

            try:

                x = np.asarray(x)

            except:

                raise TypeError("numpy.ndarray required for X")

        

        m = x.shape[0]  # m代表樣本數(shù)量

        preds = np.empty((m,))

        for i in range(m):  # 將每個(gè)樣本點(diǎn)分配到離它最近的質(zhì)心所屬的族

            min_dist = np.inf

            for j in range(self._k):

                dist_j_i = self._cal_e_dist(self._centroids[j, :], x[i, :])

                if dist_j_i < min_dist:

                    min_dist = dist_j_i

                    preds[i] = j

        return preds[:]


        

class biKMeansClassifier():

    """

    這是一個(gè)二分 k-means

    """

    

    def __init__(self, k=3):

        

        self._k = k

        self._centroids = None

        self._clusterAssment = None

        self._labels = None

        self._sse = None


    def _calEDist(self, arr_a, arr_b):

        """

        功能:歐拉距離距離計(jì)算

        輸入:兩個(gè)一維數(shù)組

        """

        # print(arrA, arrB) # 前一個(gè)是聚類中心的x y坐標(biāo),后一個(gè)散點(diǎn)的x y坐標(biāo)

        return np.math.sqrt(sum(np.power(arr_a - arr_b, 2)))

        

    def fit(self, X):

        m = X.shape[0]

        self._clusterAssment = np.zeros((m, 2))

        centroid0 = np.mean(X, axis=0).tolist()

        cent_list = [centroid0]

        for j in range(m):  # 計(jì)算每個(gè)樣本點(diǎn)與質(zhì)心之間初始的平方誤差

            self._clusterAssment[j, 1] = self._calEDist(np.asarray(centroid0), X[j, :]) ** 2

        while(len(cent_list) < self._k):

            lowest_sse = np.inf

            # 嘗試劃分每一族,選取使得誤差最小的那個(gè)族進(jìn)行劃分

            for i in range(len(cent_list)):

                index_all = self._clusterAssment[:, 0]  # 取出樣本所屬簇的索引值

                value = np.nonzero(index_all == i)  # 取出所有屬于第i個(gè)簇的索引值

                pts_in_curr_cluster = X[value[0], :]  # 取出屬于第i個(gè)簇的所有樣本點(diǎn)

                clf = KMeansClassifier(k=2)

                clf.fit(pts_in_curr_cluster)

                # 劃分該族后,所得到的質(zhì)心、分配結(jié)果及誤差矩陣

                centroid_mat, split_clust_ass = clf._centroids, clf._clusterAssment

                sse_split = sum(split_clust_ass[:, 1])

                index_all = self._clusterAssment[:, 0]

                value = np.nonzero(index_all == i)

                sse_not_split = sum(self._clusterAssment[value[0],1])

                if (sse_split + sse_not_split) < lowest_sse:

                    best_cent_to_split = i

                    best_new_cents = centroid_mat

                    best_clust_ass = split_clust_ass.copy()

                    lowest_sse = sse_split + sse_not_split

            # 該族被劃分成兩個(gè)子族后,其中一個(gè)子族的索引變?yōu)樵宓乃饕?/p>

            # 另一個(gè)子族的索引變?yōu)閘en(cent_list),然后存入centList

            best_clust_ass[np.nonzero(best_clust_ass[:, 0] == 1)[0], 0] = len(cent_list)

            best_clust_ass[np.nonzero(best_clust_ass[:, 0] == 0)[0], 0] = best_cent_to_split

            cent_list[best_cent_to_split] = best_new_cents[0, :].tolist()

            cent_list.append(best_new_cents[1, :].tolist())

            self._clusterAssment[np.nonzero(self._clusterAssment[:,0] == best_cent_to_split)[0], :] = best_clust_ass

                   

        self._labels = self._clusterAssment[:, 0]

        self._sse = sum(self._clusterAssment[:, 1])

        self._centroids = np.asarray(cent_list)

                                

    def predict(self, x):  # 根據(jù)聚類結(jié)果,預(yù)測(cè)新輸入數(shù)據(jù)所屬的族

        # 類型檢查

        if not isinstance(x, np.ndarray):

            try:

                x = np.asarray(x)

            except:

                raise TypeError("numpy.ndarray required for X")

        

        m = x.shape[0]  # m代表樣本數(shù)量

        preds = np.empty((m,))

        for i in range(m):  # 將每個(gè)樣本點(diǎn)分配到離它最近的質(zhì)心所屬的族

            min_dist = np.inf

            for j in range(self._k):

                dist_j_i = self._calEDist(self._centroids[j, :], x[i, :])

                if dist_j_i < min_dist:

                    min_dist = dist_j_i

                    preds[i] = j

        return preds



run.py

# -*- coding: utf-8 -*-

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from kmeans import KMeansClassifier



# 加載數(shù)據(jù)集,DataFrame格式,最后將返回為一個(gè)matrix格式

def loadDataset(infile):

    df = pd.read_csv(infile, sep='\t', header=0, dtype=str, na_filter=False)

    # print(df)

    return np.array(df).astype(np.float)



if __name__ == "__main__":

    data_X = loadDataset(r"data/testSet.txt")

    # print(data_X[0][0]) # 是一個(gè)list,data_X[0][0]是第一個(gè)點(diǎn)的x坐標(biāo) data_X[0][1]是第一個(gè)點(diǎn)的y坐標(biāo)

    k = 4  # kmean的k

    max_iter = 5  # kmean最大訓(xùn)練次數(shù)(100可以滿足大多數(shù)要求)

    clf = KMeansClassifier(k, max_iter=max_iter)

    clf.fit(data_X)

    labels = clf._labels  # 由上一行計(jì)算得出

    sse = clf._sse  # 由上上一行計(jì)算得出

    cents = clf._centroids  # 由上上上一行計(jì)算得出

    colors = ['b', 'g', 'r', 'k', 'c', 'm', 'y', '#e24fff', '#524C90', '#845868']


    plt.title("SSE={:.2f}".format(sse))

    plt.axis([-7, 7, -7, 7])

    outname = "./result/k_clusters" + str(k) + ".png"

    plt.savefig(outname)

    # plt.show()


    fig1 = plt.figure()

    ax1 = fig1.add_subplot(111)

    for i in range(k):  # 對(duì)每個(gè)聚類

        index = np.nonzero(labels == i)[0]

        x0 = data_X[index, 0]  # x坐標(biāo)

        x1 = data_X[index, 1]  # y坐標(biāo)

        for j in range(len(x0)):  # 對(duì)所有這些點(diǎn)

            ax1.text(x0[j], x1[j], str(i), color=colors[i], fontdict={'weight': 'bold', 'size': 6})

        ax1.scatter(cents[i, 0], cents[i, 1], marker='o', color=colors[i], linewidths=5)


    plt.show()

    # print('[[2, 2], [-4, -4]]兩個(gè)點(diǎn)的預(yù)測(cè)結(jié)果=', clf.predict([[2, 2], [-4, -4]]))  # 預(yù)測(cè)的輸出



測(cè)試用的數(shù)據(jù)集

1.658985 4.285136

-3.453687 3.424321

4.838138 -1.151539

-5.379713 -3.362104

0.972564 2.924086

-3.567919 1.531611

0.450614 -3.302219

-3.487105 -1.724432

2.668759 1.594842

-3.156485 3.191137

3.165506 -3.999838

-2.786837 -3.099354

4.208187 2.984927

-2.123337 2.943366

0.704199 -0.479481

-0.392370 -3.963704

2.831667 1.574018

-0.790153 3.343144

2.943496 -3.357075

-3.195883 -2.283926

2.336445 2.875106

-1.786345 2.554248

2.190101 -1.906020

-3.403367 -2.778288

1.778124 3.880832

-1.688346 2.230267

2.592976 -2.054368

-4.007257 -3.207066

2.257734 3.387564

-2.679011 0.785119

0.939512 -4.023563

-3.674424 -2.261084

2.046259 2.735279

-3.189470 1.780269

4.372646 -0.822248

-2.579316 -3.497576

1.889034 5.190400

-0.798747 2.185588

2.836520 -2.658556

-3.837877 -3.253815

2.096701 3.886007

-2.709034 2.923887

3.367037 -3.184789

-2.121479 -4.232586

2.329546 3.179764

-3.284816 3.273099

3.091414 -3.815232

-3.762093 -2.432191

3.542056 2.778832

-1.736822 4.241041

2.127073 -2.983680

-4.323818 -3.938116

3.792121 5.135768

-4.786473 3.358547

2.624081 -3.260715

-4.009299 -2.978115

2.493525 1.963710

-2.513661 2.642162

1.864375 -3.176309

-3.171184 -3.572452

2.894220 2.489128

-2.562539 2.884438

3.491078 -3.947487

-2.565729 -2.012114

3.332948 3.983102

-1.616805 3.573188

2.280615 -2.559444

-2.651229 -3.103198

2.321395 3.154987

-1.685703 2.939697

3.031012 -3.620252

-4.599622 -2.185829

4.196223 1.126677

-2.133863 3.093686

4.668892 -2.562705

-2.793241 -2.149706

2.884105 3.043438

-2.967647 2.848696

4.479332 -1.764772

-4.905566 -2.911070


無監(jiān)督學(xué)習(xí)Kmeans聚類(代碼重傳的評(píng)論 (共 條)

分享到微博請(qǐng)遵守國(guó)家法律
肥西县| 浦县| 秭归县| 肥西县| 泾阳县| 潮州市| 徐汇区| 松阳县| 泰兴市| 呈贡县| 垫江县| 崇仁县| 正镶白旗| 略阳县| 马尔康县| 淮安市| 黄梅县| 台东县| 西华县| 平果县| 双鸭山市| 那坡县| 密云县| 浙江省| 普安县| 如皋市| 北海市| 邢台市| 进贤县| 咸丰县| 盈江县| 温宿县| 新晃| 汉阴县| 喀什市| 杨浦区| 临城县| 泗阳县| 寻乌县| 会昌县| 宜兰县|