zoukankan      html  css  js  c++  java
  • sklearn的kmeans测试

    由于需要海量的进行聚类,所以将 k-means 算法自我封装成一个方便利用的库,可以直接调用得到最优的 k值中心点

    #!/usr/bin/python3.4
    # -*- coding: utf-8 -*-
    
    # k-means算法
    
    import numpy as np
    from sklearn.cluster import KMeans
    from sklearn import metrics
    
    # sklearn官方文档
    # http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans
    def calckmean(array, karr):
        # array是一个二维数组
        # X = X = [[1, 1], [2, 3], [3, 2], [1, 2], [5, 8], [6, 6], [5, 7], [5, 6], [6, 7], [7, 1], [8, 2], [9, 1], [7, 1], [9, 3]]
    
        # k是待选取K值的数组
        # karr = [2, 3, 4, 5, 8,...]
    
        # 将原始数据由数组变成矩阵
    
        x = np.array(array)
    
        # 用来储存轮廓系数的数组
        score = []
        # 用来储存中心坐标点的数组
        point = []
        # 用来储存各个簇的坐标
        coordinates = []
        # 用来储存各个簇点的与中心的距离
        distances = []
    
        for k in karr:
            # n_clusters为聚类的个数
            # max_iter为迭代的次数,这里设置最大迭代次数为300
            # n_init=10使用不同质心种子运行k-means算法的次数
            kmeans_model = KMeans(n_clusters=k, max_iter=300,n_init=10).fit(x)
            # title = 'K = %s, 轮廓系数 = %.03f' % (k, metrics.silhouette_score(X, kmeans_model.labels))
            # print(title)
    
            # 获取中心点的坐标
            counter_point = kmeans_model.cluster_centers_
            # print("k=" + str(k) + "时的中心点为" + "
    " + str(counter_point))
    
            # 记录分数
            # print(metrics.silhouette_score(x, kmeans_model.labels_,metric='euclidean'))
            score.append("%.03f" % (metrics.silhouette_score(x, kmeans_model.labels_)))
            # 记录中心坐标
            point.append(counter_point)
    
            # 将坐标属于哪个簇的标签储存到数组
            # k = 3 : [0 0 0 0 2 2 2 2 2 1 1 1 1 1]
            # k = 4 : [1 1 1 1 0 0 0 0 0 3 2 2 3 2]
            coordinates.append(kmeans_model.labels_)
    
            # 每个点和中心点的距离
            distances.append(KMeans(n_clusters=k, max_iter=300).fit_transform(x))
    
        # 返回轮廓系数最大的k值中心坐标分簇坐标
        maxscore = max(score, default=0)
    
        for i in range(0, len(score)):
            if maxscore == score[i]:
                # 储存分簇坐标的数组
                coordinate = []
                # 储存簇点与中心点的距离数组
                distance = []
                for j in range(0, len(point[i])):
                    # 这里是得到分簇坐标
                    tempcoor = []
                    for item in zip(coordinates[i], array):
                        if item[0] == j:
                            tempcoor.append(item[1])
                    coordinate.append(tempcoor)
                    # 得到的样式为k=3,每个簇点的坐标群
                    # [[[7, 1], [8, 2], [9, 1], [7, 1], [9, 3]],
                    # [[5, 8], [6, 6], [5, 7], [5, 6], [6, 7]],
                    # [[1, 1], [2, 3], [3, 2], [1, 2]]]
    
                    # 这里是得到分簇与中心点的距离
                    tempdis = []
                    for item in zip(coordinates[i], distances[i]):
                        if item[0] == j:
                            tempdis.append(min(item[1]))
                    distance.append(tempdis)
                    # 得到k=3的各个簇点对中心的距离
                    # [[1.1661903789690597, 0.39999999999999575, 1.166190378969066, 1.1661903789690597, 1.7204650534085277],
                    # [1.2649110640673495, 0.9999999999999858, 0.4472135954999452, 0.8944271909999063, 0.6324555320336579],
                    # [1.25, 1.0307764064044151, 1.25, 0.75]]
    
                # 得到k=3的中心点
                # [[8.0, 1.6],
                # [5.4, 6.8],
                # [1.75, 2.0]]
                return karr[i], point[i], coordinate, distance
    
    

    调用的时候直接可以:

    from kmeans import *

    测试数据:

    #!/usr/bin/python3.4
    # -*- coding: utf-8 -*-
    
    from kmeans import *
    
    x1 = np.array([1, 2, 3, 1, 5, 6, 5])
    x2 = np.array([1, 3, 2, 2, 8, 6, 7])
    
    # a = [[1, 2, 3, 1, 5, 6, 5], [1, 3, 2, 2, 8, 6, 7], [3, 5, 9, 4, 7, 6, 1], [1, 5, 3, 4, 8, 6, 7], [5, 1, 2, 3, 6, 9, 4],[8, 4, 6, 2, 1, 6, 3]]
    a = [[1, 1], [2, 3], [3, 2], [1, 2], [5, 8], [6, 6], [5, 7], [5, 6], [6, 7], [7, 1], [8, 2], [9, 1], [7, 1], [9, 3]]
    karr = [2, 3, 4, 5, 8]
    # print(np.array(a))
    # print(list(zip(x1, x2)))
    
    K, point, coordinate, distance = calckmean(X, tests)
    print("------------------------")
    print("k=" + str(K) + "时的中心点为" + "
    " + str(point) + "
    " + "各个簇点为" + "
    " + str(coordinate))
    print(distance)
    
    

    源文件可以在我的github下载:

    TTyb

  • 相关阅读:
    剑指offer03-04
    五大算法-1.回溯法
    linux与操作系统(1)- 用户接口
    python中的装饰器
    mysql 创建数据库,用户并给用户设置权限
    centOS6.5 桌面状态栏消失 解决
    centOS linux 远程Mysql 记录之root用户密码丢失
    XStream.toXML() 简单两种使用实例
    FileInputStream和FileOutStream 简单的使用实例;
    orale 行转列或者 字符拼接函数 wmsys.wm_concat()函数 /instr(listagg(name,';') within group (order by o.srclinkedid)
  • 原文地址:https://www.cnblogs.com/TTyb/p/6514728.html
Copyright © 2011-2022 走看看