Python K 平均法アルゴリズム
-
20-09-2019 - |
質問
座標のデータベースをクラスター化してキャッシュするための例を含む、K 平均法アルゴリズムの Python 実装を探しています。
解決
Scipyのクラスタリング 実装はうまく機能し、以下が含まれます。 K 平均法 実装。
それもあります scipyクラスター, 、凝集クラスタリングを行います。これには、クラスターの数を事前に決定する必要がないという利点があります。
他のヒント
scipyのダウンロードの kmeans2()には、いくつかの数値的な問題があります、このような「行列が正でないとしてのエラーメッセージを報告しています明確な - コレスキー分解は、バージョン0.6.0で「計算できない、と私はバージョン0.7.1で同じに遭遇しました。
。今のところ、私が使用することをお勧めします PyClusterが代わりにに。使用例:
>>> import numpy
>>> import Pycluster
>>> points = numpy.vstack([numpy.random.multivariate_normal(mean,
0.03 * numpy.diag([1,1]),
20)
for mean in [(1, 1), (2, 4), (3, 2)]])
>>> labels, error, nfound = Pycluster.kcluster(points, 3)
>>> labels # Cluster number for each point
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2], dtype=int32)
>>> error # The within-cluster sum of distances for the solution
1.7721661785401261
>>> nfound # Number of times this solution was found
1
は、連続データについては、K-means法は非常に簡単である。
あなたはあなたの手段のリストを必要とし、各データポイントのために、に最も近いことを意味し、それに新しいデータポイントを平均見つけます。あなたの手段は、入力データにポイントの最近の顕著なクラスターを表します。
私は継続的に平均化しないので、新しい平均値を得るために、古いデータを持っている必要はありません。古い平均k
、次のデータポイントx
、との平均値を維持するために過去のデータポイントの数をある一定のn
を考えると、新しい平均である
k*(1-(1/n)) + n*(1/n)
ここではPythonでの完全なコード
from __future__ import division
from random import random
# init means and data to random values
# use real data in your code
means = [random() for i in range(10)]
data = [random() for i in range(1000)]
param = 0.01 # bigger numbers make the means change faster
# must be between 0 and 1
for x in data:
closest_k = 0;
smallest_error = 9999; # this should really be positive infinity
for k in enumerate(means):
error = abs(x-k[1])
if error < smallest_error:
smallest_error = error
closest_k = k[0]
means[closest_k] = means[closest_k]*(1-param) + x*(param)
あなただけのすべてのデータが通過した際の手段を印刷しますが、リアルタイムに変化し、それを見て、そのはるかに楽しいことができます。私は音の20msのビットの周波数封筒にこれを使用し、2分のためにそれに話をした後、それは短い「」母音、母音「O」長い、および「S」の子音のための一貫性のあるカテゴリを持っていました。奇妙な!
から ウィキペディア, 、scipyを使用できます、 ベクトル量子化の K-means クラスタリング
または、OpenCV の Python ラッパーを使用することもできます。 ctypes-opencv.
あるいは、できます OpenCVの新しいPythonインターフェース, 、そして彼らの kmeans 実装。
(数年後)この kmeans.py の下にあります scikits-learn-k-means を使用して独自の距離関数を指定することは可能ですか 簡単でかなり高速です。scipy.spatial. distance 内の 20 個以上のメトリクスのいずれかを使用します。
また、空間データを操作するために多くの多くの機能を持ってGDALを使用することができます。
SciKit学習の関数kmeans()のですPythonでk平均クラスタリングを適用する最も簡単な方法。フィッティングクラスタは同じくらい簡単です:
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
ます。
このコードスニペットは、重心座標を格納し、座標の配列のためのクラスタを予測する方法を示しています。
>>> from sklearn.cluster import KMeans
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
... [4, 2], [4, 4], [4, 0]])
>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
>>> kmeans.labels_
array([0, 0, 0, 1, 1, 1], dtype=int32)
>>> kmeans.predict([[0, 0], [4, 4]])
array([0, 1], dtype=int32)
>>> kmeans.cluster_centers_
array([[ 1., 2.],
[ 4., 2.]])
(SciKit学習者の好意上記のリンクドキュメント、)の
PythonのPyclusterとpyplotはk平均クラスタリングおよび2Dデータの視覚化のために使用することができます。 PythonとPyClusterを使用した最近のブログ記事株価/ボリュームの分析の在庫データにPyClusterを使用して、クラスタリングの例を示します。