在Python中使用scipy kmeans和kmeans2集群时出现问题
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了在Python中使用scipy kmeans和kmeans2集群时出现问题，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2620字，纯文字阅读大概需要4分钟。
内容图文
我有一个关于scipy的kmeans和kmeans2的问题.我有一组1700个lat-long数据点.我想在空间上将它们聚类成100个簇.但是,当使用kmeans vs kmeans2时,我得到了截然不同的结果.你能解释一下这是为什么吗？我的代码如下.
首先,我加载数据并绘制坐标.这看起来都很正确.
import pandas as pd, numpy as np, matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans, kmeans2, whiten
df = pd.read_csv('data.csv')
df.head()
coordinates = df.as_matrix(columns=['lon', 'lat'])
plt.figure(figsize=(10, 6), dpi=100)
plt.scatter(coordinates[:,0], coordinates[:,1], c='c', s=100)
plt.show()
接下来,我将数据白化并运行kmeans()和kmeans2().当我从kmeans()绘制质心时,它看起来是正确的 – 即大约100个点或多或少代表完整1700点数据集的位置.
N = len(coordinates)
w = whiten(coordinates)
k = 100
i = 20
cluster_centroids1, distortion = kmeans(w, k, iter=i)
cluster_centroids2, closest_centroids = kmeans2(w, k, iter=i)
plt.figure(figsize=(10, 6), dpi=100)
plt.scatter(cluster_centroids1[:,0], cluster_centroids1[:,1], c='r', s=100)
plt.show()
然而,当我接下来从kmeans2()绘制质心时,它对我来说看起来很不稳定.我希望kmeans和kmeans2的结果非常相似,但它们完全不同.虽然kmeans的结果似乎只是表示我的完整数据集,但kmeans2的结果看起来几乎是随机的.
plt.figure(figsize=(10, 6), dpi=100)
plt.scatter(cluster_centroids2[:,0], cluster_centroids2[:,1], c='r', s=100)
plt.show()
这是我的k和N的值,以及由kmeans()和kmeans2()产生的数组的大小：
print 'k =', k
print 'N =', N
print len(cluster_centroids1)
print len(cluster_centroids2)
print len(closest_centroids)
print len(np.unique(closest_centroids))
输出：
k = 100
N = 1759
96
100
1759
17
>为什么len(cluster_centroids1)不等于k？
> len(nearest_centroids)等于N,这似乎是正确的.但为什么len(np.unique(nearest_centroids))不等于k？
> len(cluster_centroids2)等于k,但同样,当绘制时,cluster_centroids2似乎不像cluster_centroids1那样表示原始数据集.
最后,我绘制了我的全坐标数据集,由集群着色.
plt.figure(figsize=(10, 6), dpi=100)
plt.scatter(coordinates[:,0], coordinates[:,1], c=closest_centroids, s=100)
plt.show()
你可以在这里看到它：
解决方法:
感谢您提供示例代码和图片的好问题！这是一个很好的新手问题.
通过仔细阅读文档可以解决大多数特性.一些东西：
>当比较原始点集和生成的聚类中心时,您应该尝试在具有相同尺寸的相同图中绘制它们(即,w再次结果).例如,使用大点绘制聚类中心,并在其上绘制带有小点的原始数据.
> kmeans和kmeans2从不同的情况开始. kmeans2从点的随机分布开始,并且由于您的数据不均匀分布,kmeans2会收敛到非理想的结果.您可以尝试添加关键字minit =’points’并查看结果是否发生变化.
>由于初始质心选择不好,最初的100个质心中只有17个实际上有任何属于它们的点(这与图形的随机外观密切相关).
>看起来kmeans中的某些质心可能会相互坍塌,如果它产生最小的失真. (这似乎没有记录.)因此,你将只获得96个质心.
内容总结
以上是互联网集市为您收集整理的在Python中使用scipy kmeans和kmeans2集群时出现问题全部内容，希望文章能够帮你解决在Python中使用scipy kmeans和kmeans2集群时出现问题所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。