免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

打開APP
userphoto
未登錄

開通VIP,暢享免費電子書等14項超值服

開通VIP
不足 20 行 Python 代碼,高效實現(xiàn) k-means 均值聚類算法!

scikti-learn 將機器學(xué)習(xí)分為4個領(lǐng)域,分別是分類(classification)、聚類(clustering)、回歸(regression)和降維(dimensionality reduction)。k-means均值算法雖然是聚類算法中比較簡單的一種,卻包含了豐富的思想內(nèi)容,非常適合作為初學(xué)者的入門習(xí)題。
關(guān)于 k-means 均值聚類算法的原理介紹、實現(xiàn)代碼,網(wǎng)上有很多,但運行效率似乎都有點問題。今天稍微有點空閑,寫了一個不足20行的 k-means 均值聚類算法,1萬個樣本平均耗時20毫秒(10次均值)。同樣的數(shù)據(jù)樣本,網(wǎng)上流行的算法平均耗時3000毫秒(10次均值)。差距竟然達百倍以上,令我深感意外,不由得再次向 numpy 獻上膝蓋!
以下是我的代碼,包含注釋、空行總共26行,有效代碼16行。
1import numpy as np
2
3def kmeans_xufive(ds, k):
4    '''k-means聚類算法
5
6    k       - 指定分簇數(shù)量
7    ds      - ndarray(m, n),m個樣本的數(shù)據(jù)集,每個樣本n個屬性值
8    '''

9
10    m, n = ds.shape # m:樣本數(shù)量,n:每個樣本的屬性值個數(shù)
11    result = np.empty(m, dtype=np.int) # m個樣本的聚類結(jié)果
12    cores = np.empty((k, n)) # k個質(zhì)心
13    cores = ds[np.random.choice(np.arange(m), k, replace=False)] # 從m個數(shù)據(jù)樣本中不重復(fù)地隨機選擇k個樣本作為質(zhì)心
14
15    while True# 迭代計算
16        d = np.square(np.repeat(ds, k, axis=0).reshape(m, k, n) - cores)
17        distance = np.sqrt(np.sum(d, axis=2)) # ndarray(m, k),每個樣本距離k個質(zhì)心的距離,共有m行
18        index_min = np.argmin(distance, axis=1# 每個樣本距離最近的質(zhì)心索引序號
19
20        if (index_min == result).all(): # 如果樣本聚類沒有改變
21            return result, cores # 則返回聚類結(jié)果和質(zhì)心數(shù)據(jù)
22
23        result[:] = index_min # 重新分類
24        for i in range(k): # 遍歷質(zhì)心集
25            items = ds[result==i] # 找出對應(yīng)當(dāng)前質(zhì)心的子樣本集
26            cores[i] = np.mean(items, axis=0# 以子樣本集的均值作為當(dāng)前質(zhì)心的位置
這是網(wǎng)上比較流行的 k-means 均值聚類算法代碼,包含注釋、空行總共57行,有效代碼37行。
 1import numpy as np
2
3# 加載數(shù)據(jù)
4def loadDataSet(fileName):
5    data = np.loadtxt(fileName,delimiter='\t')
6    return data
7
8# 歐氏距離計算
9def distEclud(x,y):
10    return np.sqrt(np.sum((x-y)**2))  # 計算歐氏距離
11
12# 為給定數(shù)據(jù)集構(gòu)建一個包含K個隨機質(zhì)心的集合
13def randCent(dataSet,k):
14    m,n = dataSet.shape
15    centroids = np.zeros((k,n))
16    for i in range(k):
17        index = int(np.random.uniform(0,m)) #
18        centroids[i,:] = dataSet[index,:]
19    return centroids
20
21# k均值聚類
22def kmeans_open(dataSet,k):
23
24    m = np.shape(dataSet)[0]  #行的數(shù)目
25    # 第一列存樣本屬于哪一簇
26    # 第二列存樣本的到簇的中心點的誤差
27    clusterAssment = np.mat(np.zeros((m,2)))
28    clusterChange = True
29
30    # 第1步 初始化centroids
31    centroids = randCent(dataSet,k)
32    while clusterChange:
33        clusterChange = False
34
35        # 遍歷所有的樣本(行數(shù))
36        for i in range(m):
37            minDist = 100000.0
38            minIndex = -1
39
40            # 遍歷所有的質(zhì)心
41            #第2步 找出最近的質(zhì)心
42            for j in range(k):
43                # 計算該樣本到質(zhì)心的歐式距離
44                distance = distEclud(centroids[j,:],dataSet[i,:])
45                if distance < minDist:
46                    minDist = distance
47                    minIndex = j
48            # 第 3 步:更新每一行樣本所屬的簇
49            if clusterAssment[i,0] != minIndex:
50                clusterChange = True
51                clusterAssment[i,:] = minIndex,minDist**2
52        #第 4 步:更新質(zhì)心
53        for j in range(k):
54            pointsInCluster = dataSet[np.nonzero(clusterAssment[:,0].A == j)[0]]  # 獲取簇類所有的點
55            centroids[j,:] = np.mean(pointsInCluster,axis=0)   # 對矩陣的行求均值
56
57    return clusterAssment.A[:,0], centroids
函數(shù)create_data_set(),用于生成測試數(shù)據(jù)??勺儏?shù) cores 是多個三元組,每一個三元組分別是質(zhì)心的x坐標(biāo)、y坐標(biāo)和對應(yīng)該質(zhì)心的數(shù)據(jù)點的數(shù)量。
1def create_data_set(*cores):
2    '''生成k-means聚類測試用數(shù)據(jù)集'''
3
4    ds = list()
5    for x0, y0, z0 in cores:
6        x = np.random.normal(x0, 0.1+np.random.random()/3, z0)
7        y = np.random.normal(y0, 0.1+np.random.random()/3, z0)
8        ds.append(np.stack((x,y), axis=1))
9
10    return np.vstack(ds)
測試代碼如下:
 1import time
2import matplotlib.pyplot as plt
3
4k = 4
5ds = create_data_set((0,0,2500), (0,2,2500), (2,0,2500), (2,2,2500))
6
7t0 = time.time()
8result, cores = kmeans_xufive(ds, k)
9t = time.time() - t0
10
11plt.scatter(ds[:,0], ds[:,1], s=1, c=result.astype(np.int))
12plt.scatter(cores[:,0], cores[:,1], marker='x', c=np.arange(k))
13plt.show()
14
15print(u'使用kmeans_xufive算法,1萬個樣本點,耗時%f0.3秒'%t)
16
17t0 = time.time()
18result, cores = kmeans_open(ds, k)
19t = time.time() - t0
20
21plt.scatter(ds[:,0], ds[:,1], s=1, c=result.astype(np.int))
22plt.scatter(cores[:,0], cores[:,1], marker='x', c=np.arange(k))
23plt.show()
24
25print(u'使用kmeans_open算法,1萬個樣本點,耗時%f0.3秒'%t)

測試結(jié)果如下:

1PS D:\XufiveGit\CSDN\codepy -3 .\k-means.py
2使用kmeans_xufive算法,1萬個樣本點,耗時0.0156550.3
3使用kmeans_open算法,1萬個樣本點,耗時3.9990890.3
效果如下:
作者:許文武,博客昵稱「天元浪子」,本文首發(fā)于作者CSDN博客https://blog.csdn.net/xufive/article/details/101448969
本站僅提供存儲服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點擊舉報
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
經(jīng)典機器學(xué)習(xí)算法-第十三章K均值聚類
K均值聚類算法
機器學(xué)習(xí)經(jīng)典算法詳解及Python實現(xiàn)
從集成方法到神經(jīng)網(wǎng)絡(luò):自動駕駛技術(shù)中的機器學(xué)習(xí)算法有哪些?
機器學(xué)習(xí)理論與實戰(zhàn)(十)K均值聚類和二分K均值聚類
K_means聚類方法
更多類似文章 >>
生活服務(wù)
分享 收藏 導(dǎo)長圖 關(guān)注 下載文章
綁定賬號成功
后續(xù)可登錄賬號暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點擊這里聯(lián)系客服!

聯(lián)系客服