Python SciPy vq.kmeans2用法及代碼示例

本文簡要介紹 python 語言中 scipy.cluster.vq.kmeans2 的用法。

用法:

scipy.cluster.vq.kmeans2(data, k, iter=10, thresh=1e-05, minit='random', missing='warn', check_finite=True, *, seed=None)#

使用 k-means 算法將一組觀測值分類為 k 個集群。

該算法試圖最小化觀測值和質心之間的歐幾裏得距離。包括幾個初始化方法。

參數 ：：

data： ndarray

“N”維中“M”個觀測值的“M”乘“N”個數組或“M”個一維觀測值的長度“M”個數組。

k： int 或 ndarray

要形成的簇數以及要生成的質心數。如果 minit 初始化字符串是 ‘matrix’，或者如果給出了 ndarray，則將其解釋為要使用的初始集群。

iter： 整數，可選

要運行的k-means 算法的迭代次數。請注意，從 iters 參數到 kmeans 函數的含義不同。

thresh： 浮點數，可選

(尚未使用)

minit： str，可選

初始化方法。可用的方法是‘random’, ‘points’、‘++’和‘matrix’：

‘random’：從高斯生成 k 個質心，並根據數據估計均值和方差。

‘points’：從初始質心的數據中隨機選擇 k 個觀測值(行)。

‘++’：根據 kmeans++ 方法選擇 k 個觀測值(小心播種)

‘matrix’：將 k 參數解釋為初始質心數組的 k × M(或一維數據的長度 k 數組)數組。

missing： str，可選

處理空簇的方法。可用的方法有‘warn’和‘raise’：

‘warn’：發出警告並繼續。

‘raise’：引發ClusterError並終止算法。

check_finite： 布爾型，可選

是否檢查輸入矩陣是否僅包含有限數。禁用可能會提高性能，但如果輸入確實包含無窮大或 NaN，則可能會導致問題(崩潰、非終止)。默認值：真

seed： {無，int， numpy.random.Generator ， numpy.random.RandomState }，可選

用於初始化偽隨機數生成器的種子。如果種子是無(或numpy.random)， 這numpy.random.RandomState使用單例。如果種子是一個 int，一個新的RandomState使用實例，播種種子.如果種子已經是一個Generator或者RandomState實例然後使用該實例。默認值為無。

返回 ：：

centroid： ndarray

在 k-means 的最後一次迭代中發現的由“N”個質心數組組成的 ‘k’。

label： ndarray

label[i] 是第 i 個觀測值最接近的質心的代碼或索引。

參考：

[1]

D. Arthur 和 S. Vassilvitskii，“k-means++：仔細播種的優勢”，第十八屆年度ACM-SIAM 離散算法研討會論文集，2007 年。

例子：

>>> from scipy.cluster.vq import kmeans2
>>> import matplotlib.pyplot as plt
>>> import numpy as np

創建 z，一個形狀為 (100, 2) 的數組，其中包含來自三個多元正態分布的樣本的混合。

>>> rng = np.random.default_rng()
>>> a = rng.multivariate_normal([0, 6], [[2, 1], [1, 1.5]], size=45)
>>> b = rng.multivariate_normal([2, 0], [[1, -1], [-1, 3]], size=30)
>>> c = rng.multivariate_normal([6, 4], [[5, 0], [0, 1.2]], size=25)
>>> z = np.concatenate((a, b, c))
>>> rng.shuffle(z)

計算三個集群。

>>> centroid, label = kmeans2(z, 3, minit='points')
>>> centroid
array([[ 2.22274463, -0.61666946],  # may vary
       [ 0.54069047,  5.86541444],
       [ 6.73846769,  4.01991898]])

每個集群有多少個點？

>>> counts = np.bincount(label)
>>> counts
array([29, 51, 20])  # may vary

繪製集群。

>>> w0 = z[label == 0]
>>> w1 = z[label == 1]
>>> w2 = z[label == 2]
>>> plt.plot(w0[:, 0], w0[:, 1], 'o', alpha=0.5, label='cluster 0')
>>> plt.plot(w1[:, 0], w1[:, 1], 'd', alpha=0.5, label='cluster 1')
>>> plt.plot(w2[:, 0], w2[:, 1], 's', alpha=0.5, label='cluster 2')
>>> plt.plot(centroid[:, 0], centroid[:, 1], 'k*', label='centroids')
>>> plt.axis('equal')
>>> plt.legend(shadow=True)
>>> plt.show()