kmeans++ Python 实现

最新推荐文章于 2024-07-16 13:24:00 发布

原创

最新推荐文章于 2024-07-16 13:24:00 发布 · 2.5k 阅读

4 ·

CC 4.0 BY-SA版权

本文详细介绍了kmeans++初始化中心点的策略，该策略旨在确保选择的中心点分布广泛。通过计算样本点到已有中心点的最短距离，并基于这些距离的概率分布选择新的中心点，直至达到所需的k值。文章以Python代码形式展示了这一过程。

自学记录

kmeans++初始化中心点的思想是中心点尽可能离得远,假设有k个中心点, 要计算每个样本距离所有中心点的距离中最小的那个距离, 这个距离越大, 选取这个样本点作为初始中心点的概率越大; 刚开始随便来一个样本点, 然后k=1, 算完距离之后用蒙塔卡罗法找下一个点,然后 k++ until you wish

初始完以后调用标准kmeans

# -*- coding: utf-8 -*-
"""
Created on Tue Nov  8 20:37:54 2016

@author: tt
"""
import os
import numpy as np
import matplotlib.pylab as plt

def dataLoader(file):
    return np.array([ i.split() for i in open(file)],dtype="float")
    
def plus(dataSet,k=2):
    lenth, dim = dataSet.shape         #获取数据维度
    _max = np.max(dataSet,axis=0) #线性映射最大值
    _min = np.min(dataSet,axis=0)
    centers = []
    centers.append( (_min+(_max-_min)*(np.random.rand(dim))) )#生成一个随机向量
    centers=np.array(centers)#为了保证centers的矩阵结构,而不是向量结构

    for i in range(1,k):
        distanceS =[]
        for row in dataSet:
            distanceS.append( np.min(np.linalg.norm(row - centers,axis=1)) )#计算离多个中心的距离里面最近的那个..
        #蒙特卡罗法, 假设总距离由各个距离条组成,落在距离条长的上面概率大,蒙特卡罗法是因为落