AI人工智能入门教程 AI人工智能数据聚类算法

2024-02-26 开发教程 AI人工智能入门教程匿名 3℃

以下是数据聚类的几种常用算法 -

K-Means 算法 K均值聚类算法是众所周知的数据聚类算法之一。我们需要假设簇的数量已经是已知的。这也被称为平面聚类。它是一种迭代聚类算法。该算法需要遵循以下步骤 -

第1步 - 需要指定所需的K个子组的数量。第2步 - 修复群集数量并将每个数据点随机分配到群集。换句话说，我们需要根据群集数量对数据进行分类。

在这一步中，计算聚类质心。

由于这是一种迭代算法，因此需要在每次迭代中更新 K 个质心的位置，直到找到全局最优值或换句话说质心到达其最佳位置。

以下代码将有助于在 Python 中实现 K-means 聚类算法。我们将使用 Scikit-learn模块。

导入必需的软件包 -

import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
import numpy as np
from sklearn.cluster import KMeans

以下代码行将通过使用 sklearn.dataset包中的 make_blob来生成包含四个 blob 的二维数据集。

from sklearn.datasets.samples_generator import make_blobs
X, y_true = make_blobs(n_samples = 500, centers = 4,
            cluster_std = 0.40, random_state = 0)

可以使用下面的代码可视化数据集 -

plt.scatter(X[:, 0], X[:, 1], s = 50);
plt.show()

得到以下结果 -

在这里，将 kmeans 初始化为 KMeans 算法，以及多少个群集 (n_clusters) 所需的参数。

kmeans = KMeans(n_clusters = 4)

需要用输入数据训练 K-means 模型。

kmeans.fit(X)
y_kmeans = kmeans.predict(X)
plt.scatter(X[:, 0], X[:, 1], c = y_kmeans, s = 50, cmap = 'viridis')
centers = kmeans.cluster_centers_

下面给出的代码将根据数据绘制和可视化机器的发现，并根据要找到的聚类数量进行拟合。

plt.scatter(centers[:, 0], centers[:, 1], c = 'black', s = 200, alpha = 0.5);
plt.show()

得到以下结果 -

均值偏移算法

它是另一种在无监督学习中使用的流行和强大的聚类算法。它不做任何假设，因此它是非参数算法。它也被称为分层聚类或均值聚类分析。以下将是该算法的基本步骤 -

首先，需要从分配给它们自己的集群的数据点开始。
现在，它计算质心并更新新质心的位置。
通过重复这个过程，向簇的顶点靠近，即朝向更高密度的区域移动。
该算法停止在质心不再移动的阶段。

在下面的代码的帮助下，在 Python 中实现了 Mean Shift 聚类算法。使用 Scikit-learn 模块。

导入必要的软件包 -

import numpy as np
from sklearn.cluster import MeanShift
import matplotlib.pyplot as plt
from matplotlib import style
style.use("ggplot")

以下代码将通过使用 sklearn.dataset包中的 make_blob 来生成包含四个 blob 的二维数据集。

from sklearn.datasets.samples_generator import make_blobs

可以用下面的代码可视化数据集 -

centers = [[2,2],[4,5],[3,10]]
X, _ = make_blobs(n_samples = 500, centers = centers, cluster_std = 1)
plt.scatter(X[:,0],X[:,1])
plt.show()

执行上面示例代码，得到以下结果 -

现在，我们需要用输入数据来训练 Mean Shift 聚类模型。

ms = MeanShift()
ms.fit(X)
labels = ms.labels_
cluster_centers = ms.cluster_centers_

以下代码将按照输入数据打印聚类中心和预期的聚类数量 -

print(cluster_centers)
n_clusters_ = len(np.unique(labels))
print("Estimated clusters:", n_clusters_)
[[ 3.23005036 3.84771893]
[ 3.02057451 9.88928991]]
Estimated clusters: 2

下面给出的代码将有助于根据数据绘制和可视化机器的发现，并根据要找到的聚类数量进行装配。

colors = 10*['r.','g.','b.','c.','k.','y.','m.']
   for i in range(len(X)):
   plt.plot(X[i][0], X[i][1], colors[labels[i]], markersize = 10)
plt.scatter(cluster_centers[:,0],cluster_centers[:,1],
   marker = "x",color = 'k', s = 150, linewidths = 5, zorder = 10)
plt.show()

执行上面示例代码，得到以下结果 -