zoukankan      html  css  js  c++  java
  • 【机器学习】K-means三维聚类,进阶版,python

    K-means是一种常用的聚类算法,进阶版展示如下,代码传送门:

    import random
    from sklearn import datasets
    import numpy as np
    import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    
    
    # 正规化数据集 X
    def normalize(X, axis=-1, p=2):
        lp_norm = np.atleast_1d(np.linalg.norm(X, p, axis))
        lp_norm[lp_norm == 0] = 1
        return X / np.expand_dims(lp_norm, axis)
    
    
    # 计算一个样本与数据集中所有样本的欧氏距离的平方
    def euclidean_distance(one_sample, X):
        one_sample = one_sample.reshape(1, -1)
        X = X.reshape(X.shape[0], -1)
        distances = np.power(np.tile(one_sample, (X.shape[0], 1)) - X, 2).sum(axis=1)
        return distances
    
    
    
    class Kmeans():
        """Kmeans聚类算法.
    
        Parameters:
        -----------
        k: int
            聚类的数目.
        max_iterations: int
            最大迭代次数. 
        varepsilon: float
            判断是否收敛, 如果上一次的所有k个聚类中心与本次的所有k个聚类中心的差都小于varepsilon, 
            则说明算法已经收敛
        """
        def __init__(self, k=2, max_iterations=500, varepsilon=0.0001):
            self.k = k
            self.max_iterations = max_iterations
            self.varepsilon = varepsilon
    
        # 从所有样本中随机选取self.k样本作为初始的聚类中心
        def init_random_centroids(self, X):
            n_samples, n_features = np.shape(X)
            centroids = np.zeros((self.k, n_features))
            for i in range(self.k):
                centroid = X[np.random.choice(range(n_samples))]
                centroids[i] = centroid
            return centroids
    
        # 返回距离该样本最近的一个中心索引[0, self.k)
        def _closest_centroid(self, sample, centroids):
            distances = euclidean_distance(sample, centroids)
            closest_i = np.argmin(distances)
            return closest_i
    
        # 将所有样本进行归类,归类规则就是将该样本归类到与其最近的中心
        def create_clusters(self, centroids, X):
            n_samples = np.shape(X)[0]
            clusters = [[] for _ in range(self.k)]
            for sample_i, sample in enumerate(X):
                centroid_i = self._closest_centroid(sample, centroids)
                clusters[centroid_i].append(sample_i)
            return clusters
    
        # 对中心进行更新
        def update_centroids(self, clusters, X):
            n_features = np.shape(X)[1]
            centroids = np.zeros((self.k, n_features))
            for i, cluster in enumerate(clusters):
                centroid = np.mean(X[cluster], axis=0)
                centroids[i] = centroid
            return centroids
    
        # 将所有样本进行归类,其所在的类别的索引就是其类别标签
        def get_cluster_labels(self, clusters, X):
            y_pred = np.zeros(np.shape(X)[0])
            for cluster_i, cluster in enumerate(clusters):
                for sample_i in cluster:
                    y_pred[sample_i] = cluster_i
            return y_pred
    
        # 对整个数据集X进行Kmeans聚类,返回其聚类的标签
        def predict(self, X):
            # 从所有样本中随机选取self.k样本作为初始的聚类中心
            centroids = self.init_random_centroids(X)
    
            # 迭代,直到算法收敛(上一次的聚类中心和这一次的聚类中心几乎重合)或者达到最大迭代次数
            for _ in range(self.max_iterations):
                # 将所有进行归类,归类规则就是将该样本归类到与其最近的中心
                clusters = self.create_clusters(centroids, X)
                former_centroids = centroids
    
                # 计算新的聚类中心
                centroids = self.update_centroids(clusters, X)
    
                # 如果聚类中心几乎没有变化,说明算法已经收敛,退出迭代
                diff = centroids - former_centroids
                if diff.any() < self.varepsilon:
                    break
    
            return self.get_cluster_labels(clusters, X)
    
    
    def main():
        # Load the dataset
        X, y = datasets.make_blobs(n_samples=10000, 
                                   n_features=3, 
                                   centers=[[3,3, 3], [0,0,0], [1,1,1], [2,2,2]], 
                                   cluster_std=[0.2, 0.1, 0.2, 0.2], 
                                   random_state =9)
    
        # 用Kmeans算法进行聚类
        clf = Kmeans(k=4)
        y_pred = clf.predict(X)
    
    
        # 可视化聚类效果
        fig = plt.figure(figsize=(12, 8))
        ax = Axes3D(fig, rect=[0, 0, 1, 1], elev=30, azim=20)
        plt.scatter(X[y==0][:, 0], X[y==0][:, 1], X[y==0][:, 2])
        plt.scatter(X[y==1][:, 0], X[y==1][:, 1], X[y==1][:, 2])
        plt.scatter(X[y==2][:, 0], X[y==2][:, 1], X[y==2][:, 2])
        plt.scatter(X[y==3][:, 0], X[y==3][:, 1], X[y==3][:, 2])
        plt.show()
    
    
    if __name__ == "__main__":
        main()
    

    效果图:

    备注:本文代码系非原创的,因需要做聚类,几乎将博客里的关于这部分的代码都尝试了一遍,这份代码是没有报错的,感恩大神。

  • 相关阅读:
    手机号 验证(正则)
    静态库相关
    添加友盟SDK,实现新浪分享和微信朋友圈分享的关键代码
    删除Mac 系统中多出得MobileBackups 文件夹
    浏览器判断检测手机中是否安装了ios/android客户端程序
    浏览器判断是否安装了ios/android客户端程序
    自定义TextField的删除按钮
    应用崩溃日志解析
    关于UITextView的一些问题
    关于UIColor这个类的一些不知道的事
  • 原文地址:https://www.cnblogs.com/helenlee01/p/12617472.html
Copyright © 2011-2022 走看看