K-означает кластеризацию, изменение цвета данных в зависимости от ближайшего центроида - PullRequest
Новая
       7

K-означает кластеризацию, изменение цвета данных в зависимости от ближайшего центроида

0 голосов
/ 02 мая 2018

Мой код на Python ниже выполняет очень простую кластеризацию по K-среднему набору данных. Проблема, которая существует, заключается в том, что мне нужно, чтобы цвет точек данных менялся в зависимости от того, какой центроид он тоже находится ближе всего. Может ли кто-нибудь помочь мне с тем, что я должен делать? 

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt


def calc_dist_euclidean(vec_1, vec_2):

    distances = np.sqrt(((vec_1 - vec_2[:, np.newaxis]) ** 2).sum(axis=2))
    dist_euclidean = np.argmin(distances, axis=0)

    return dist_euclidean


def init_cent(dataset, k):

    centroids = dataset.copy()
    np.random.shuffle(centroids)

    return centroids[:k]


def k_means(dataset, k):

    centroids = init_cent(dataset, k)

    distances = calc_dist_euclidean(dataset, centroids)

    cluster_assigning = np.array([dataset[distances == k].mean(axis=0) for k in range(centroids.shape[0])])

    return centroids, cluster_assigning


df = pd.read_csv('bristol_vacation_rentals_2016.csv')

dataset = df[['latitude', 'longitude']].values

k = 3

centroids, cluster_assigning = k_means(dataset, k)
plt.subplot(121)
plt.scatter(dataset[:, 0], dataset[:, 1], s=2)
plt.scatter(centroids[:, 0], centroids[:, 1],  c='r', s=50)
plt.xlabel('latitude')
plt.ylabel('longitude')

plt.subplot(122)
plt.scatter(dataset[:, 0], dataset[:, 1], s=2)
plt.scatter(cluster_assigning[:, 0], cluster_assigning[:, 1], c='r', s=50)
plt.xlabel('latitude')
plt.ylabel('longitude')
plt.show()

1 Ответ

0 голосов
/ 02 мая 2018

Чтобы упростить процесс, я бы использовал переменную distances из функции k_means(), возвращая ее: 

def k_means(dataset, k):

    centroids = init_cent(dataset, k)

    distances = calc_dist_euclidean(dataset, centroids)

    cluster_assigning = np.array([dataset[distances == k].mean(axis=0) for k in range(centroids.shape[0])])

    return centroids, distances, cluster_assigning

Затем вы можете построить свои центроиды и точки данных на основе соответствующего кластера, определив массив numpy colors, содержащий каждый цвет, и создав массив значений numpy для каждой из ваших точек данных, используя colors[distances]: 

df = pd.read_csv('bristol_vacation_rentals_2016.csv')

dataset = df[['latitude', 'longitude']].values

k = 3
colors = np.array(['r', 'g', 'b'])

centroids, distances, cluster_assigning = k_means(dataset, k)
plt.subplot(121)
plt.scatter(dataset[:, 0], dataset[:, 1], c=colors[distances], s=2)
plt.scatter(centroids[:, 0], centroids[:, 1],  c=colors, s=50)
plt.xlabel('latitude')
plt.ylabel('longitude')

plt.subplot(122)
plt.scatter(dataset[:, 0], dataset[:, 1], c=colors[distances], s=2)
plt.scatter(cluster_assigning[:, 0], cluster_assigning[:, 1], c=colors, s=50)
plt.xlabel('latitude')
plt.ylabel('longitude')
plt.show()
...