kmeans2#
- scipy.cluster.vq.kmeans2(data, k, iter=10, thresh=1e-05, minit='random', missing='warn', check_finite=True, *, rng=None)[source]#
使用 k-means 演算法將一組觀察值分類到 k 個群集中。
此演算法嘗試最小化觀察值和質心之間的歐幾里德距離。包含幾種初始化方法。
- 參數:
- datandarray
一個 'M' 乘 'N' 的陣列，包含 'N' 維度的 'M' 個觀察值，或一個長度為 'M' 的陣列，包含 'M' 個 1 維觀察值。
- kint 或 ndarray
要形成的群集數量以及要產生的質心數量。如果 minit 初始化字串為 'matrix'，或者如果改為提供 ndarray，則將其解釋為要使用的初始群集。
- iterint，選填
要執行的 k-means 演算法的迭代次數。請注意，這與 kmeans 函數的 iters 參數的含義不同。
- threshfloat，選填
(尚未使用)
- minitstr，選填
初始化方法。可用的方法有 'random'、'points'、'++' 和 'matrix'
'random'：從高斯分佈產生 k 個質心，其平均值和變異數是從資料估計而來。
'points'：從資料中隨機選擇 k 個觀察值（列）作為初始質心。
'++'：根據 kmeans++ 方法選擇 k 個觀察值（小心播種）
'matrix'：將 k 參數解釋為 k 乘 M（或 1 維資料的長度 k 陣列）的初始質心陣列。
- missingstr，選填
處理空群集的方法。可用的方法有 'warn' 和 'raise'
'warn'：發出警告並繼續。
'raise'：引發 ClusterError 並終止演算法。
- check_finitebool，選填
是否檢查輸入矩陣是否僅包含有限數字。停用可能會提高效能，但如果輸入包含無限值或 NaN，則可能會導致問題（崩潰、非終止）。預設值：True
- rng{None, int,
numpy.random.Generator}，選填 如果 rng 是透過關鍵字傳遞，則
numpy.random.Generator以外的類型會傳遞給numpy.random.default_rng以實例化Generator。如果 rng 已經是Generator實例，則會使用提供的實例。指定 rng 以獲得可重複的函數行為。如果此引數是透過位置傳遞，或 seed 是透過關鍵字傳遞，則適用於引數 seed 的舊版行為
如果 seed 為 None（或
numpy.random），則會使用numpy.random.RandomState單例。如果 seed 是整數，則會使用新的
RandomState實例，並以 seed 作為種子。如果 seed 已經是
Generator或RandomState實例，則會使用該實例。
在版本 1.15.0 中變更： 作為從使用
numpy.random.RandomState過渡到numpy.random.Generator的 SPEC-007 一部分，此關鍵字已從 seed 變更為 rng。在過渡期間，這兩個關鍵字將繼續運作，但一次只能指定一個。在過渡期之後，使用 seed 關鍵字的函數呼叫將發出警告。seed 和 rng 的行為如上所述，但新程式碼中應僅使用 rng 關鍵字。
- 回傳值:
- centroidndarray
一個 'k' 乘 'N' 的質心陣列，在 k-means 的最後一次迭代中找到。
- labelndarray
label[i] 是第 i 個觀察值最接近的質心的代碼或索引。
另請參閱
參考文獻
[1]D. Arthur 和 S. Vassilvitskii，“k-means++: careful seeding 的優勢”，第十八屆 ACM-SIAM 離散演算法研討會論文集，2007 年。
範例
>>> from scipy.cluster.vq import kmeans2 >>> import matplotlib.pyplot as plt >>> import numpy as np
建立 z，一個形狀為 (100, 2) 的陣列，其中包含來自三個多變量常態分佈的樣本混合。
>>> rng = np.random.default_rng() >>> a = rng.multivariate_normal([0, 6], [[2, 1], [1, 1.5]], size=45) >>> b = rng.multivariate_normal([2, 0], [[1, -1], [-1, 3]], size=30) >>> c = rng.multivariate_normal([6, 4], [[5, 0], [0, 1.2]], size=25) >>> z = np.concatenate((a, b, c)) >>> rng.shuffle(z)
計算三個群集。
>>> centroid, label = kmeans2(z, 3, minit='points') >>> centroid array([[ 2.22274463, -0.61666946], # may vary [ 0.54069047, 5.86541444], [ 6.73846769, 4.01991898]])
每個群集中有多少個點？
>>> counts = np.bincount(label) >>> counts array([29, 51, 20]) # may vary
繪製群集。
>>> w0 = z[label == 0] >>> w1 = z[label == 1] >>> w2 = z[label == 2] >>> plt.plot(w0[:, 0], w0[:, 1], 'o', alpha=0.5, label='cluster 0') >>> plt.plot(w1[:, 0], w1[:, 1], 'd', alpha=0.5, label='cluster 1') >>> plt.plot(w2[:, 0], w2[:, 1], 's', alpha=0.5, label='cluster 2') >>> plt.plot(centroid[:, 0], centroid[:, 1], 'k*', label='centroids') >>> plt.axis('equal') >>> plt.legend(shadow=True) >>> plt.show()
