博客
关于我
【sklearn】KMeans 计算样本质心
阅读量:339 次
发布时间:2019-03-04

本文共 1604 字,大约阅读时间需要 5 分钟。


文章目录


KMeans质心介绍

一个簇中所有数据的均值μ(j),通常被称为这个簇的“质心(centroids)”,j表示第j个簇。在一个二维平面中,一簇数据点的质心的横坐标就是这一簇数据点的横坐标的均值,质心的纵坐标就是这一簇数据点的纵坐标的均值,同理可推广至高维空间。

在这里插入图片描述
在这里插入图片描述

  • 解释

    其中,m一个簇中样本的个数,j每个样本的编号。这个公式被称为簇内平方和(cluster Sum of Square),又叫做 Inertia

    而将一个数据集中的所有簇的簇内平方和相加,就得到了整体平方和(Total Cluster Sum of Square),又叫做 total inertia. Total Inertia越小,代表着每个簇内样本越相似,聚类的效果就越好
    因此KMeans追求的是,求解能够让 inertia最小化的质心。实际上,在质心不断变化不断迭代的过程中,总体平方和是越来越小的。我们可以使用数学来证明,当整体平方和最小的时候,质心就不再发生变化了。如此,k- Means的求解过程,就变成了一个最优化问题。


计算质心

在一个二维平面中,一簇数据点的质心的横坐标就是这一簇数据点的横坐标的均值,质心的纵坐标就是这一簇数据点的纵坐标的均值,同理可推广至高维空间。

#计算质心def cal_Cmass(data):    '''    input:data(ndarray):数据样本    output:mass(ndarray):数据样本质心    '''    Cmass = np.mean(data,axis=0)    return Cmasscmass = cal_Cmass([[8,8,8],                   [7,7,7],                   [9,9,9]])# [8. 8. 8.]
  • 通过定义先求出质心


计算样本间距离

import numpy as np#计算样本间距离def distance(x, y, p=2):    '''    input:x(ndarray):第一个样本的坐标          y(ndarray):第二个样本的坐标          p(int):等于1时为曼哈顿距离,等于2时为欧氏距离    output:distance(float):x到y的距离          '''       dis2 = np.sum(np.abs(x-y)**p) # 计算    dis = np.power(dis2,1/p)    return dis
  • 定义方法计算两点之间的距离


计算每个样本到质心的距离,并按照从小到大的顺序排列

#计算每个样本到质心的距离,并按照从小到大的顺序排列def sorted_list(data,Cmass):    '''    input:data(ndarray):数据样本          Cmass(ndarray):数据样本质心    output:dis_list(list):排好序的样本到质心距离    '''    dis_list = []    for i in range(len(data)):       # 遍历data数据,与质心cmass求距离        dis_list.append(distance(Cmass,data[i][:]))    dis_list = sorted(dis_list)      # 排序    return dis_listlist = sorted_list([[8,8,8],[7,7,7],[9,9,9]],cmass)# [0.0, 1.7320508075688772, 1.7320508075688772]
  • 遍历data数据,,调用distance()函数与质心cmass求点距。


转载地址:http://oueq.baihongyu.com/

你可能感兴趣的文章
MySQL 大数据量快速插入方法和语句优化
查看>>
mysql 如何给SQL添加索引
查看>>
mysql 字段区分大小写
查看>>
mysql 字段合并问题(group_concat)
查看>>
mysql 字段类型类型
查看>>
MySQL 字符串截取函数,字段截取,字符串截取
查看>>
MySQL 存储引擎
查看>>
mysql 存储过程 注入_mysql 视图 事务 存储过程 SQL注入
查看>>
MySQL 存储过程参数:in、out、inout
查看>>
mysql 存储过程每隔一段时间执行一次
查看>>
mysql 存在update不存在insert
查看>>
Mysql 学习总结(86)—— Mysql 的 JSON 数据类型正确使用姿势
查看>>
Mysql 学习总结(87)—— Mysql 执行计划(Explain)再总结
查看>>
Mysql 学习总结(88)—— Mysql 官方为什么不推荐用雪花 id 和 uuid 做 MySQL 主键
查看>>
Mysql 学习总结(89)—— Mysql 库表容量统计
查看>>
mysql 实现主从复制/主从同步
查看>>
mysql 审核_审核MySQL数据库上的登录
查看>>
mysql 导入 sql 文件时 ERROR 1046 (3D000) no database selected 错误的解决
查看>>
mysql 导入导出大文件
查看>>
MySQL 导出数据
查看>>