【机器学习实践】kmeans算法实践

kmeans算法

kmeans算法是一种聚类算法,用于无标签数据的自行归类。
讲kmeans的原理有很多,个人参考的是以下一个
刘建平:K-Means聚类算法原理
需要注意的是,kmeans算法只适用于凸数据集,无法适用于凹数据集。

python实现

个人使用numpy对kmeans类进行了实现,如以下代码所示

#kmeans.py

import numpy as np
import matplotlib.pyplot as plt
from numpy.core.defchararray import center

#K: num of clusters
#N: max iteration
class kmeans:
    def __init__(self, K:int, N:int=100):
        self.K = K
        self.N = N
        self.ret_cluster = None
        self.ndpoints = None
        self.centerpoints = None

    def train(self, ndpoints:np.ndarray, show_process:bool=True):
        self.ndpoints = ndpoints#should be something like a 2-dim array
        #select k start points out of ndpoints
        if self.K > np.shape(ndpoints)[0]:
            print("[-] K too big")
            return
        else:
            centerpoints_index = set()
            while len(centerpoints_index) < self.K:
                centerpoints_index.add(np.random.randint(0, self.K))
            self.centerpoints = self.ndpoints[list(centerpoints_index)]
        #begin clustering
        self.ret_cluster = list()
        for i in range(self.K):
            self.ret_cluster.append(list())

        for i in range(self.N):
            self.ret_cluster = list()
            for ii in range(self.K):
                self.ret_cluster.append(list())

            for j in range(np.shape(self.ndpoints)[0]):
                #find the min distance and attach the point to one cluster
                dist_k = np.ndarray((self.K,), dtype=np.float)
                for k in range(self.K):
                    dist_k[k] = np.linalg.norm(self.centerpoints[k] - self.ndpoints[j])
                self.ret_cluster[dist_k.argmin()].append(self.ndpoints[j])
            #re-calculate the centerpoints
            for k in range(self.K):
                self.centerpoints[k] = np.average(np.array(self.ret_cluster[k]), axis=0)

    def print_clusters(self):
        if self.ret_cluster is None:
            print("[-] no clusters are created yet")
            return
        else:
            print("[+] Num of clusters : ", len(self.ret_cluster), sep=' ', end='\n')
            ind = 0
            for cluster in self.ret_cluster:
                ind += 1
                print("cluster", ind, ":", sep=' ', end='\n')
                print(cluster, end="\n\n")

    def draw_clusters_2d(self):
        if self.ret_cluster is None:
            print("[-] no clusters are created yet")
            return
        elif np.shape(self.ndpoints)[1] != 2:
            print("[-] dimension higher than 2, which is not considered by this kmeans instance")
            return
        else:
            print("[+] drawing by matplotlib")
            #draw clusters using matplotlib.pyplot
            ax = plt.figure(0)
            for cluster in self.ret_cluster:
                color = (np.random.random(), np.random.random(), np.random.random())
                for point in cluster:
                    plt.scatter(point[0], point[1], c=color)
            for center in self.centerpoints:
                plt.scatter(center[0], center[1], marker='+')
            plt.show()

通过代码创建对象实例并进行训练。

#main.py

import kmeans
import numpy as np

kmeans_cluster_machine = kmeans.kmeans(3)
ndpoints = np.array([
[-1.26, 0.46],
[-1.15, 0.49],
[-1.19, 0.36],
[-1.33, 0.28],
[-1.06, 0.22],
[-1.27, 0.03],
[-1.28, 0.15],
[-1.06, 0.08],
[-1.00, 0.38],
[-0.44, 0.29],
[-0.37, 0.45],
[-0.22, 0.36],
[-0.34, 0.18],
[-0.42, 0.06],
[-0.11, 0.12],
[-0.17, 0.32],
[-0.27, 0.08],
[-0.49, -0.34],
[-0.39, -0.28],
[-0.40, -0.45],
[-0.15, -0.33],
[-0.15, -0.21],
[-0.33, -0.30],
[-0.23, -0.45],
[-0.27, -0.59],
[-0.61, -0.65],
[-0.61, -0.53],
[-0.52, -0.53],
[-0.42, -0.56],
[-1.39, -0.26]])

kmeans_cluster_machine.train(ndpoints)
kmeans_cluster_machine.print_clusters()
kmeans_cluster_machine.draw_clusters_2d()

输出结果为

[+] Num of clusters :  3
cluster 1 :
[array([-1.26,  0.46]), array([-1.15,  0.49]), array([-1.19,  0.36]), array([-1.33,  0.28]), array([-1.06,  0.22]), array([-1.27, 
 0.03]), array([-1.28,  0.15]), array([-1.06,  0.08]), array([-1.  ,  0.38]), array([-1.39, -0.26])]

cluster 2 :
[array([-0.44,  0.29]), array([-0.37,  0.45]), array([-0.22,  0.36]), array([-0.34,  0.18]), array([-0.42,  0.06]), array([-0.11, 
 0.12]), array([-0.17,  0.32]), array([-0.27,  0.08])]

cluster 3 :
[array([-0.49, -0.34]), array([-0.39, -0.28]), array([-0.4 , -0.45]), array([-0.15, -0.33]), array([-0.15, -0.21]), array([-0.33, 
-0.3 ]), array([-0.23, -0.45]), array([-0.27, -0.59]), array([-0.61, -0.65]), array([-0.61, -0.53]), array([-0.52, -0.53]), array([-0.42, -0.56])]

[+] drawing by matplotlib

画出的图为


kmeans聚类结果

可以直观地看出kmeans实现了预期的聚类效果

总结

  1. kmeans是一种简单而且高效的算法,可以对数据进行很好的聚类,但是也有缺点,由其缺点衍生出kmeans++、KNN、BIRCH等算法
  2. 进行kmeans类的实现过程中,有许多子算法值得注意,比如:从一个序列中不重复的挑选个数固定的部分元素,本类采用了使用python集合,向其中添加随机元素避免重复的方法进行处理。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,033评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,725评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,473评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,846评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,848评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,691评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,053评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,700评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,856评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,676评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,787评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,430评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,034评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,990评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,218评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,174评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,526评论 2 343

推荐阅读更多精彩内容