sklearn的kmeans测试

sklearn的kmeans测试

由于需要海量的进行聚类，所以将 ​​k-means​​​ 算法自我封装成一个方便利用的库，可以直接调用得到最优的 ​​k值​​​ 和 ​​中心点​​：

#!/usr/bin/python3.4# -*- coding: utf-8 -*-# k-means算法import numpy as npfrom sklearn.cluster import KMeansfrom sklearn import metrics# sklearn官方文档# calckmean(array, karr): # array是一个二维数组 # X = X = [[1, 1], [2, 3], [3, 2], [1, 2], [5, 8], [6, 6], [5, 7], [5, 6], [6, 7], [7, 1], [8, 2], [9, 1], [7, 1], [9, 3]] # k是待选取K值的数组 # karr = [2, 3, 4, 5, 8,...] # 将原始数据由数组变成矩阵 x = np.array(array) # 用来储存轮廓系数的数组 score = [] # 用来储存中心坐标点的数组 point = [] # 用来储存各个簇的坐标 coordinates = [] # 用来储存各个簇点的与中心的距离 distances = [] for k in karr: # n_clusters为聚类的个数 # max_iter为迭代的次数，这里设置最大迭代次数为300 # n_init=10使用不同质心种子运行k-means算法的次数 kmeans_model = KMeans(n_clusters=k, max_iter=300,n_init=10).fit(x) # title = 'K = %s, 轮廓系数 = %.03f' % (k, metrics.silhouette_score(X, kmeans_model.labels)) # print(title) # 获取中心点的坐标 counter_point = kmeans_model.cluster_centers_ # print("k=" + str(k) + "时的中心点为" + "\n" + str(counter_point)) # 记录分数 # print(metrics.silhouette_score(x, kmeans_model.labels_,metric='euclidean')) score.append("%.03f" % (metrics.silhouette_score(x, kmeans_model.labels_))) # 记录中心坐标 point.append(counter_point) # 将坐标属于哪个簇的标签储存到数组 # k = 3 : [0 0 0 0 2 2 2 2 2 1 1 1 1 1] # k = 4 : [1 1 1 1 0 0 0 0 0 3 2 2 3 2] coordinates.append(kmeans_model.labels_) # 每个点和中心点的距离 distances.append(KMeans(n_clusters=k, max_iter=300).fit_transform(x)) # 返回轮廓系数最大的k值\中心坐标\分簇坐标 maxscore = max(score, default=0) for i in range(0, len(score)): if maxscore == score[i]: # 储存分簇坐标的数组 coordinate = [] # 储存簇点与中心点的距离数组 distance = [] for j in range(0, len(point[i])): # 这里是得到分簇坐标 tempcoor = [] for item in zip(coordinates[i], array): if item[0] == j: tempcoor.append(item[1]) coordinate.append(tempcoor) # 得到的样式为k=3，每个簇点的坐标群 # [[[7, 1], [8, 2], [9, 1], [7, 1], [9, 3]], # [[5, 8], [6, 6], [5, 7], [5, 6], [6, 7]], # [[1, 1], [2, 3], [3, 2], [1, 2]]] # 这里是得到分簇与中心点的距离 tempdis = [] for item in zip(coordinates[i], distances[i]): if item[0] == j: tempdis.append(min(item[1])) distance.append(tempdis) # 得到k=3的各个簇点对中心的距离 # [[1.1661903789690597, 0.39999999999999575, 1.166190378969066, 1.1661903789690597, 1.7204650534085277], # [1.2649110640673495, 0.9999999999999858, 0.4472135954999452, 0.8944271909999063, 0.6324555320336579], # [1.25, 1.0307764064044151, 1.25, 0.75]] # 得到k=3的中心点 # [[8.0, 1.6], # [5.4, 6.8], # [1.75, 2.0]] return karr[i], point[i], coordinate, distance

调用的时候直接可以：

​​from kmeans import *​​

测试数据：

#!/usr/bin/python3.4# -*- coding: utf-8 -*-from kmeans import *x1 = np.array([1, 2, 3, 1, 5, 6, 5])x2 = np.array([1, 3, 2, 2, 8, 6, 7])# a = [[1, 2, 3, 1, 5, 6, 5], [1, 3, 2, 2, 8, 6, 7], [3, 5, 9, 4, 7, 6, 1], [1, 5, 3, 4, 8, 6, 7], [5, 1, 2, 3, 6, 9, 4],[8, 4, 6, 2, 1, 6, 3]]a = [[1, 1], [2, 3], [3, 2], [1, 2], [5, 8], [6, 6], [5, 7], [5, 6], [6, 7], [7, 1], [8, 2], [9, 1], [7, 1], [9, 3]]karr = [2, 3, 4, 5, 8]# print(np.array(a))# print(list(zip(x1, x2)))K, point, coordinate, distance = calckmean(X, tests)print("------------------------")print("k=" + str(K) + "时的中心点为" + "\n" + str(point) + "\n" + "各个簇点为" + "\n" + str(coordinate))print(distance)

源文件可以在我的github-：

​​TTyb​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。