最近在翻譯《Programming Computer Vision with Python》第六章Clustering Images圖像聚類，其中用到了k-means聚類算法，這里根據書中給出的實例對用python進行k-means聚類做一些解釋。關于k-means聚類算法的原理，這里不細述，具體原理可以查閱相關資料。

K-means是聚類算法中最簡單的一種聚類算法，它試著將輸入數據劃分成k簇，該算法最主要的缺點是需要事先選擇聚類數目，并且如果選擇不合理的話，聚類結果會很差。K-means以下面步驟迭代的提煉類中心：

1.初始化類中心，可以是隨機的，也可以是估計的。

2.將每個數據點分配給與它距離最近的類中心。

對同屬于一類的所有數據求平均，更新聚類中心

K-means試圖最小化所有的within-class的方差。該算法是一種啟發式提煉算法，在大多數情況下，它都很有效，但是并不能確保獲得的解答是最好的。為了避免在初始化時選擇不好而造成的影響，該算法通常會用不同的初始值運行幾遍，然后選擇方差最小的。雖然上面K-means的算法很容易實現，但由于有現成的實現vector quantization package,所以我們沒必要再做自己去實現，直接使用上面的模塊即可。

在給出完整代碼之前，我們先來理解兩個numpy、scipy兩個模塊中設計到的兩個函數，分別對應的是numpy.vstack()和scipy.cluster.vq()。我們直接看這兩個函數的例子：

Example for numpy.vstack()：

>>> a = np.array([1, 2, 3]) >>> b = np.array([2, 3, 4]) >>> np.vstack((a,b))

輸出結果為：

array([[1, 2, 3], [2, 3, 4]])

從這個簡單的例子可以看出，np.vstack()這個函數實現connection的作用，即connection(a,b)，為了看得更清楚，我們再來看一個這個函數的例子：

>>> a = np.array([[1], [2], [3]]) >>> b = np.array([[2], [3], [4]]) >>> np.vstack((a,b)）

輸出結果這里不給出了，具體可以再python shell上test。好了，現在我們了解了這個函數的作用，我們再來看scipy.cluster.vq()函數的作用，這里也直接給出實例，通過實例解釋該函數的作用：

Example for scipy.cluster.vq():

>>> from numpy import array >>> from scipy.cluster.vq import vq >>> code_book = array([[1.,1.,1.],[2.,2.,2.]]) >>> features = array([[ 1.9,2.3,1.7],[ 1.5,2.5,2.2],[ 0.8,0.6,1.7]]) >>> vq(features,code_book)

輸出結果為：

(array([1, 1, 0]), array([ 0.43588989, 0.73484692, 0.83066239]))，

下圖解釋了該結果的意義，array([1, 1, 0])中的元素表示features中的數據點對應于code_book中離它最近距離的索引，如數據點[1.9, 2.3, 1.7]離code_book中的[2., 2., 2.]最近，該數據點對的對應于code_book中離它最近距離的索引為1，在python中索引值時從0開始的。 當然，對于上面的結果可以用linalg.norm()函數進行驗證，驗證過程為：

>>> from numpy import array >>> from scipy.cluster.vq import vq >>> code_book = array([[1.,1.,1.],[2.,2.,2.]]) >>> features = array([[ 1.9,2.3,1.7],[ 1.5,2.5,2.2],[ 0.8,0.6,1.7]]) >>> vq(features,code_book) >>> from numpy import * >>> dist = linalg.norm(code_book[1,:] - features[0,:])

輸出的dist的結果為：dist: 0.43588989435406728

好了，了解完這兩個函數，我們可以上完整了演示k-means完整的代碼了。

""" Function: Illustrate the k-means Date: 2013-10-27 """" from pylab import * from scipy.cluster.vq import * # 生成模擬數據 class1 = 1.5 * randn(100, 2) class2 = randn(100,2) + array([5, 5]) features = vstack((class1,class2)) # K-Means聚類 centroids, variance = kmeans(features, 2) code, distance = vq(features, centroids) figure() ndx = where(code==0)[0] plot(features[ndx,0], features[ndx,1],'*') ndx = where(code==1)[0] plot(features[ndx, 0],features[ndx,1], 'r.') plot(centroids[:, 0],centroids[:, 1], 'go') axis('off') show()

上述代碼中先隨機生成兩類數據，每一類數據是一個100*2的矩陣，centroids是聚類中心。返回來的variance我們并不需要它，因為SciPy實現中，會默認運行20次，并為我們選擇方差最小的那一次。這里聚類中心k=2，并將其作為code_book代用vq()，代碼運行結果如下：上圖顯示了原數據聚完類后的結果，綠色圓點表示聚類中心。

該工具確實非常的有用，但是需要注意的是python實現的K-means沒有c++實現的快，所以如果你在很大的數據集上用python進行聚類，會花費上一些時間。不過，在大多數情況下，足夠我們使用了。

參考資料： 1.Clustering using SciPy's k-means

from:?http://yongyuan.name/blog/kmeans-using-python.html

總結

以上是生活随笔為你收集整理的聚类 K-Means Using Python的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。