在Python中使用scipy kmeans和kmeans2集群时出现问题
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,iter=i) plt.figure(figsize=(10,dpi=100) plt.scatter(cluster_centroids1[:,cluster_centroids1[:,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,dpi=100) plt.scatter(cluster_centroids2[:,cluster_centroids2[:,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? 最后,我绘制了我的全坐标数据集,由集群着色. plt.figure(figsize=(10,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. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |