Question

在维基百科上，有一个描述如何根据随机方法初始化kmeans集群位置。

在pyclustering中，一个python集群库，各种集群都使用高性能的c-core实现。这个核心比numpy / sklearn更快，所以我想避免在sklearn / numpy中实现任何东西（否则我现在可能会失去代码的快速感觉）。

但是，kmeans class需要初始群集位置列表才能开始。在pyclustering中初始化这些集群位置的预期方法是什么？

Answer 1

automatically generated pyclustering documentation描述了 kmeans 算法的API。

例如，您有一个2D数据，其中应提取两个群集，然后您需要指定初始中心（pyclustering不会生成应由用户提供的初始中心）：

kmeans_instance = kmeans(sample, [ [0.0, 0.1], [2.5, 2.6] ], ccore = True);

其中[0.0,0.1]是第一个簇的初始中心，[2.5,2.6]是第二个簇的初始中心。 Flag'ccore = True'用于CCORE库使用。

运行处理：

kmeans_instance.process();

获得聚类结果：

clusters = kmeans_instance.get_clusters(); # list of clusters
centers = kmeans_instance.get_centers(); # list of cluster centers.

可视化获得的结果：

visualizer = cluster_visualizer();
visualizer.append_clusters(clusters, sample);
visualizer.append_cluster(start_centers, marker = '*', markersize = 20);
visualizer.append_cluster(centers, marker = '*', markersize = 20);
visualizer.show();

Click here to see example of result visualization

用法示例可在以下位置找到：'pyclustering / cluster / example / kmeans_examples.py'

$ ls pyclustering/cluster/examples/ -1
__init__.py
agglomerative_examples.py
birch_examples.py
clarans_examples.py
cure_examples.py
dbscan_examples.py
dbscan_segmentation.py
general_examples.py
hsyncnet_examples.py
kmeans_examples.py  <--- kmeans examples
kmeans_segmentation.py
kmedians_examples.py
kmedoids_examples.py
optics_examples.py
rock_examples.py
somsc_examples.py
syncnet_examples.py
syncsom_examples.py
syncsom_segmentation.py
xmeans_examples.py

pyclustering：初始化kmeans的预期方法

1 个答案: