详解K-means算法在Python中的实现


Posted in Python onDecember 05, 2017

K-means算法简介

K-means是机器学习中一个比较常用的算法,属于无监督学习算法,其常被用于数据的聚类,只需为它指定簇的数量即可自动将数据聚合到多类中,相同簇中的数据相似度较高,不同簇中数据相似度较低。

K-MEANS算法是输入聚类个数k,以及包含 n个数据对象的数据库,输出满足方差最小标准k个聚类的一种算法。k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。

核心思想

通过迭代寻找k个类簇的一种划分方案,使得用这k个类簇的均值来代表相应各类样本时所得的总体误差最小。

k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。

k-means算法的基础是最小误差平方和准则,K-menas的优缺点:

优点:

原理简单
速度快
对大数据集有比较好的伸缩性

缺点:

需要指定聚类 数量K
对异常值敏感
对初始值敏感

K-means的聚类过程

其聚类过程类似于梯度下降算法,建立代价函数并通过迭代使得代价函数值越来越小

适当选择c个类的初始中心;
在第k次迭代中,对任意一个样本,求其到c个中心的距离,将该样本归到距离最短的中心所在的类;
利用均值等方法更新该类的中心值;
对于所有的c个聚类中心,如果利用(2)(3)的迭代法更新后,值保持不变,则迭代结束,否则继续迭代。

详解K-means算法在Python中的实现

该算法的最大优势在于简洁和快速。算法的关键在于初始中心的选择和距离公式。

K-means 实例展示

python中km的一些参数:

sklearn.cluster.KMeans(
  n_clusters=8,
  init='k-means++', 
  n_init=10, 
  max_iter=300, 
  tol=0.0001, 
  precompute_distances='auto', 
  verbose=0, 
  random_state=None, 
  copy_x=True, 
  n_jobs=1, 
  algorithm='auto'
  )
n_clusters: 簇的个数,即你想聚成几类
init: 初始簇中心的获取方法
n_init: 获取初始簇中心的更迭次数,为了弥补初始质心的影响,算法默认会初始10个质心,实现算法,然后返回最好的结果。
max_iter: 最大迭代次数(因为kmeans算法的实现需要迭代)
tol: 容忍度,即kmeans运行准则收敛的条件
precompute_distances:是否需要提前计算距离,这个参数会在空间和时间之间做权衡,如果是True 会把整个距离矩阵都放到内存中,auto 会默认在数据样本大于featurs*samples 的数量大于12e6 的时候False,False 时核心实现的方法是利用Cpython 来实现的
verbose: 冗长模式(不太懂是啥意思,反正一般不去改默认值)
random_state: 随机生成簇中心的状态条件。
copy_x: 对是否修改数据的一个标记,如果True,即复制了就不会修改数据。bool 在scikit-learn 很多接口中都会有这个参数的,就是是否对输入数据继续copy 操作,以便不修改用户的输入数据。这个要理解Python 的内存机制才会比较清楚。
n_jobs: 并行设置
algorithm: kmeans的实现算法,有:'auto', ‘full', ‘elkan', 其中 ‘full'表示用EM方式实现
虽然有很多参数,但是都已经给出了默认值。所以我们一般不需要去传入这些参数,参数的。可以根据实际需要来调用。

下面展示一个代码例子

from sklearn.cluster import KMeans
from sklearn.externals import joblib
from sklearn import cluster
import numpy as np

# 生成10*3的矩阵
data = np.random.rand(10,3)
print data
# 聚类为4类
estimator=KMeans(n_clusters=4)
# fit_predict表示拟合+预测,也可以分开写
res=estimator.fit_predict(data)
# 预测类别标签结果
lable_pred=estimator.labels_
# 各个类别的聚类中心值
centroids=estimator.cluster_centers_
# 聚类中心均值向量的总和
inertia=estimator.inertia_

print lable_pred
print centroids
print inertia

代码执行结果
[0 2 1 0 2 2 0 3 2 0]

[[ 0.3028348  0.25183096 0.62493622]
 [ 0.88481287 0.70891813 0.79463764]
 [ 0.66821961 0.54817207 0.30197415]
 [ 0.11629904 0.85684903 0.7088385 ]]
 
0.570794546829

为了更直观的描述,这次在图上做一个展示,由于图像上绘制二维比较直观,所以数据调整到了二维,选取100个点绘制,聚类类别为3类

from sklearn.cluster import KMeans
from sklearn.externals import joblib
from sklearn import cluster
import numpy as np
import matplotlib.pyplot as plt

data = np.random.rand(100,2)
estimator=KMeans(n_clusters=3)
res=estimator.fit_predict(data)
lable_pred=estimator.labels_
centroids=estimator.cluster_centers_
inertia=estimator.inertia_
#print res
print lable_pred
print centroids
print inertia

for i in range(len(data)):
  if int(lable_pred[i])==0:
    plt.scatter(data[i][0],data[i][1],color='red')
  if int(lable_pred[i])==1:
    plt.scatter(data[i][0],data[i][1],color='black')
  if int(lable_pred[i])==2:
    plt.scatter(data[i][0],data[i][1],color='blue')
plt.show()

详解K-means算法在Python中的实现

可以看到聚类效果还是不错的,对k-means的聚类效率进行了一个测试,将维度扩宽到50维

数据规模 消耗时间 数据维度
10000条 4s 50维
100000条 30s 50维
1000000条 4'13s 50维

对于百万级的数据,拟合时间还是能够接受的,可见效率还是不错,对模型的保存与其它的机器学习算法模型保存类似

from sklearn.externals import joblib
joblib.dump(km,"model/km_model.m")

总结

以上就是本文关于详解K-means算法在Python中的实现的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站:

Python实现调度算法代码详解

Python算法输出1-9数组形成的结果为100的所有运算式

Python编程实现蚁群算法详解

如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!

Python 相关文章推荐
二种python发送邮件实例讲解(python发邮件附件可以使用email模块实现)
Dec 03 Python
浅谈Python中的数据类型
May 05 Python
详解python eval函数的妙用
Nov 16 Python
Python语言描述KNN算法与Kd树
Dec 13 Python
Python logging模块用法示例
Aug 28 Python
python+splinter自动刷新抢票功能
Sep 25 Python
Django 反向生成url实例详解
Jul 30 Python
python3下pygame如何实现显示中文
Jan 11 Python
jupyter notebook 的工作空间设置操作
Apr 20 Python
基于SQLAlchemy实现操作MySQL并执行原生sql语句
Jun 10 Python
Python可视化工具如何实现动态图表
Oct 23 Python
Ubuntu权限不足无法创建文件夹解决方案
Nov 14 Python
Python实现字符串匹配算法代码示例
Dec 05 #Python
Django实现简单分页功能的方法详解
Dec 05 #Python
Python生成8位随机字符串的方法分析
Dec 05 #Python
在Python程序员面试中被问的最多的10道题
Dec 05 #Python
Python对列表去重的多种方法(四种方法)
Dec 05 #Python
详解Python在七牛云平台的应用(一)
Dec 05 #Python
Python 快速实现CLI 应用程序的脚手架
Dec 05 #Python
You might like
一个简洁的PHP可逆加密函数(分享)
2013/06/06 PHP
小谈php正则提取图片地址
2014/03/27 PHP
微信支付的开发流程详解
2016/09/13 PHP
PHP获取文件扩展名的方法实例总结
2017/06/10 PHP
浅谈JavaScript Array对象
2014/12/29 Javascript
基于jQuery实现的双11天猫拆红包抽奖效果
2015/12/01 Javascript
JavaScript位置与大小(1)之正确理解和运用与尺寸大小相关的DOM属性
2015/12/26 Javascript
js实现的万能flv网页播放器代码
2016/04/30 Javascript
原生js实现jquery函数animate()动画效果的简单实例
2016/08/21 Javascript
基于js实现二级下拉联动
2016/12/17 Javascript
Vue中在新窗口打开页面及Vue-router的使用
2018/06/13 Javascript
vue组件之间通信实例总结(点赞功能)
2018/12/05 Javascript
Vue源码解析之Template转化为AST的实现方法
2018/12/14 Javascript
微信小程序pinker组件使用实现自动相减日期
2020/05/07 Javascript
[47:50]Secret vs VP 2018国际邀请赛小组赛BO2 第二场 8.17
2018/08/20 DOTA
python 布尔操作实现代码
2013/03/23 Python
python发送邮件示例(支持中文邮件标题)
2014/02/16 Python
python中Flask框架简单入门实例
2015/03/21 Python
使用Python的Twisted框架编写简单的网络客户端
2015/04/16 Python
使用url_helper简化Python中Django框架的url配置教程
2015/05/30 Python
Python处理XML格式数据的方法详解
2017/03/21 Python
windows10下python3.5 pip3安装图文教程
2018/04/02 Python
python+POP3实现批量下载邮件附件
2018/06/19 Python
对pandas的算术运算和数据对齐实例详解
2018/12/22 Python
Python自定义函数计算给定日期是该年第几天的方法示例
2019/05/30 Python
python面向对象 反射原理解析
2019/08/12 Python
Python检查图片是否损坏及图片类型是否正确过程详解
2019/09/30 Python
Python如何使用Gitlab API实现批量的合并分支
2019/11/27 Python
波兰运动鞋网上商店:e-Sporting
2018/02/16 全球购物
英国婴儿和儿童服装网站:Vertbaudet
2018/04/02 全球购物
销售类个人求职信范文
2013/09/25 职场文书
内科护士节演讲稿
2014/09/11 职场文书
单位个人查摆问题及整改措施
2014/10/28 职场文书
2014年销售工作总结
2014/12/01 职场文书
校运会加油稿大全
2015/07/22 职场文书
《雪域豹影》读后感:父爱的伟大
2019/12/23 职场文书