使用DeepLearning4J进行K-Means聚类

最新推荐文章于 2025-05-29 08:21:24 发布

原创最新推荐文章于 2025-05-29 08:21:24 发布 · 2k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#deeplearning4j #Kmeans

深度学习同时被 3 个专栏收录

1 篇文章

订阅专栏

deeplearning4j

1 篇文章

订阅专栏

kmeans

1 篇文章

订阅专栏

本文通过一个具体的示例展示了如何使用 KMeans 算法进行数据聚类。包括了初始化 KMeans 对象、生成随机数据点并将其转换为点对象、执行聚类过程以及对特定点进行分类。此外，还提供了如何设置随机种子以确保实验结果的一致性和可重复性的方法。

官网示例路径https://github.com/deeplearning4j/deeplearning4j/blob/bca1df607f6e58ae73baa8e684130bfa7ad8c2e3/deeplearning4j-nearestneighbors-parent/nearestneighbor-core/src/test/java/org/deeplearning4j/clustering/kmeans/KMeansTest.java

代码

    @Test
    public void testKMeans() {
        //设置一个底层生成数值,后面的方法产生的数相等
        //如Nd4j.randn(5, 5)，产生5行5列的矩阵，不管运行多少次该test用例，均生成相等的5行5列矩阵
        Nd4j.getRandom().setSeed(7);
        //声明一个KMeans聚类对象，参数分别是 最终聚类的类别数量，迭代次数，距离函数  距离函数的取值为(sum,max,min,norm1,norm2,prod,std,var,euclidean,cosine,cosinesimilarity,manhattan,mmul,tensorMmul)具体可参照org.nd4j.linalg.api.ops.factory.DefaultOpFactory
        KMeansClustering kMeansClustering = KMeansClustering.setup(5, 5, "euclidean");
        //张量矩阵生成KMeans的点对象
        List<Point> points = Point.toPoints(Nd4j.randn(5, 5));
        ClusterSet clusterSet = kMeansClustering.applyTo(points);
        //将第一个点对象带入进行分类，可得到对象pointClassification，该对象getCenter得到该点所属的类别
        PointClassification pointClassification = clusterSet.classifyPoint(points.get(0)); //可以使用classifyPoint(points.get(0),false)使center中心店不进行更新移动
        System.out.println(pointClassification);
    }