SciPy 集群
K-means 聚类 是一种在一组未标记数据中寻找聚类和聚类中心的方法。直观地说，我们可以将集群视为——由一组数据点组成，与集群外点的距离相比，它们的点间距离很小。给定一组初始的 K 个中心，K-means 算法迭代以下两个步骤：
-
对于每个中心，比任何其他中心都更接近它的训练点子集(其集群)被识别出来。
-
计算每个集群中数据点的每个特征的平均值，这个平均向量成为该集群的新中心。
重复这两个步骤，直到中心不再移动或分配不再改变。然后，一个新的点 x 可以分配到最近原型的集群。 SciPy 库通过 cluster 包提供了 K-Means 算法的良好实现。让我们了解如何使用它。
SciPy 中的 K-Means 实现
我们将了解如何在 SciPy 中实现 K-Means。
导入 K 均值
我们将看到每个导入函数的实现和使用。
from SciPy.cluster.vq import kmeans,vq,whiten
数据生成
我们必须模拟一些数据来探索聚类。
from numpy import vstack,array from numpy.random import rand # data generation with three features data = vstack((rand(100,3) + array([.5,.5,.5]),rand(100,3)))
现在，我们必须检查数据。上述程序将生成以下输出。
array([[ 1.48598868e+00, 8.17445796e-01, 1.00834051e+00], [ 8.45299768e-01, 1.35450732e+00, 8.66323621e-01], [ 1.27725864e+00, 1.00622682e+00, 8.43735610e-01], …………….
基于每个特征对一组观察值进行归一化。在运行 K-Means 之前，使用白化重新缩放观察集的每个特征维度是有益的。每个特征除以其所有观测值的标准差，得到单位方差。
白化数据
我们必须使用下面的代码来白化数据。
# whitening of data data = whiten(data)
使用三个集群计算 K-Means
现在让我们使用以下代码计算具有三个集群的 K-Means。
# computing K-Means with K = 3 (2 clusters) centroids,_ = kmeans(data,3)
上面的代码对形成 K 个簇的一组观察向量执行 K-Means。 K-Means 算法会调整质心，直到无法取得足够的进展，即失真的变化，因为最后一次迭代小于某个阈值。在这里，我们可以通过使用下面给出的代码打印 centroids 变量来观察集群的质心。
print(centroids)
上面的代码将生成以下输出。
print(centroids)[ [ 2.26034702 1.43924335 1.3697022 ] [ 2.63788572 2.81446462 2.85163854] [ 0.73507256 1.30801855 1.44477558] ]
使用下面给出的代码将每个值分配给一个集群。
# assign each sample to a cluster clx,_ = vq(data,centroids)
The vq 函数将“M”中的每个观察向量与“N”进行比较 obs 具有质心的数组并将观察分配给最近的集群。它返回每个观察的聚类和失真。我们也可以检查失真。让我们使用以下代码检查每个观察的集群。
# check clusters of observation print clx
上面的代码将生成以下输出。
array([1, 1, 0, 1, 1, 1, 0, 1, 0, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 0, 2, 0, 2, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 1, 2, 1, 2, 2, 2, 2, 2, 2, 2, 2, 0, 2, 0, 2, 2, 2, 2, 2, 0, 0, 2, 2, 2, 1, 0, 2, 0, 2, 2, 2, 2, 2, 2, 2, 2, 2, 0, 2, 2, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 0, 2, 0, 2, 2, 2, 2, 2, 2, 2, 2, 2, 0, 2, 2, 2, 2, 0, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2], dtype=int32)
上述数组的不同值 0、1、2 表示集群。