Реализация kmeans не дает хорошей точности при случайном выборе центроида - PullRequest
Новая
       16

Реализация kmeans не дает хорошей точности при случайном выборе центроида

0 голосов
/ 04 мая 2019

Я реализую свой собственный алгоритм kmeans для набора данных.Когда я выбираю любые случайные точки в наборе данных как центроиды, я получаю очень низкую точность.Но когда я выбираю один центроид случайным образом из каждого класса данных, я получаю хорошую точность.Пожалуйста, помогите мне, где я иду не так.Ниже моя реализация:

Сначала я генерирую случайные центроиды и передаю их функции, чтобы назначить каждую точку кластеру, основываясь на том, какой центроид она ближе к 

def assignClustersKNN(features,centroids,labels):
    assignments = defaultdict(list)
    distances = [[0 for x in range(len(centroids))] for y in range(len(features))]
    #Iterating over all data points
    for i in range(len(features)):
        #Iterating over all centroids
        for j in range(0,len(centroids)):
            distances[i][j] = euclidean(features[i],centroids[j])
        #Getting the index of the centroid which is the closest
        clusterAssigned = distances[i].index(min(distances[i]))
        #adding the point to the closest cluster
        assignments[clusterAssigned].append(features[i])    
    return assignments

Затем,Я обновляю центроид каждого кластера, вычисляя среднее значение точек в кластере, который является центроидом этого кластера 

def updateCentroids(assignments):
    newCentroids = np.zeros(shape=(len(assignments.keys()),3))
    for i in assignments.keys():
        #getting the datapoints of each cluster
        clusterMembers = assignments[i]
        #computing the mean of the datapoints of the cluster
        newCentroids[i] = np.mean(clusterMembers,axis=0)
    return newCentroids

Я выбрал условие остановки как, когда центроиды кластера витерация не отличается от центроидов от предыдущей итерации, это означает, что кластеры не изменились, и я остановил процесс

...