Python 使用scipykmeans进行聚类分析

我想了解

在二维空间中分布有许多点，问题是将它们分组成簇。阅读时我注意到了这个问题，我认为

scipy.cluster.vq.kmeans

将是一条可行之路

这是数据：

使用以下代码，目标是获得25个簇中每个簇的中心点

import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import vq, kmeans, whiten

pos = np.arange(0,20,4)
scale = 0.4
size = 50
x = np.array([np.random.normal(i,scale,size*len(pos)) for i in pos]).flatten()
y = np.array([np.array([np.random.normal(i,scale,size) for i in pos]) for j in pos]).flatten()


plt.scatter(x,y, s=16, alpha=0.4)


#perform clustering with scipy.cluster.vq.kmeans
features = np.c_[x,y]

# take raw data to cluster
clusters = kmeans(features,25)
p = clusters[0]
plt.scatter(p[:,0],p[:,1], s=81, c="crimson")

# perform whitening (normalization to std) first
whitened = whiten(features) 
clustersw = kmeans(whitened,25)
q = clustersw[0]*features.std(axis=0)
plt.scatter(q[:,0],q[:,1], s=25, c="gold")

plt.show()

结果如下所示：

红色圆点表示未经增白的簇中心的位置，黄色圆点表示使用增白的簇中心。虽然它们是不同的，但主要问题是它们显然都不在正确的位置。因为集群都是很好地分开的，所以我很难理解为什么这个简单的集群会失败

我读了一些关于

kmeans

的报告，这些报告没有给出准确的结果，但答案并不是真正的statisfactory。使用

kmeans2

和

minit='points'

的建议解决方案也不起作用；i、 e.

kmeans2（功能，25，minit='points'）

给出了与上述类似的结果

---

所以问题是，有没有一种方法可以用

scipy.cluster.vq.kmeans

执行这个简单的集群问题？如果是这样，我将如何确保得到正确的结果

在这样的数据上，白化并没有什么区别：x轴和y轴的比例已经相似

---

K-means不能可靠地找到全局最优解。它往往陷入局部最优。这就是为什么经常使用多次运行并仅保持最佳拟合，以及尝试复杂的初始化过程（如k-means++）的原因。

我只是在做同样的事情（受相同问题的启发）。通过对

kmeans

的

iter

参数使用较大的值，我得到了更可靠的结果，该值高达

iter=800

。是的，这让它变慢了。真的吗？使用iter=800，我得到了大致相同的结果。我的簇的方差比你的高。当我收紧集群时，我不得不启动更多的

iter

。我刚刚运行了一个例子，其中

iter=2000

是不够的，但是

iter=10000

找到了预期的中心。（我并不是说这是一个很好的问题解决方案；我只是在探索如何让

kmeans

发挥作用。）好的，就上面的例子来说，使用iter=4000就可以做到这一点。如果你愿意的话，请随时提供答案。当然，了解将iter设置为10、50或10000背后的逻辑会更有趣，但我认为它仍然回答了这个问题。你能详细说明你所说的“复杂的初始化过程，如k-means++”是什么意思吗？Google for k-means++好的，对不起，我的意思是问题中给出的问题，实现k-means++的方法是什么？是否有一个scipy函数来执行此操作？我需要换成scikit learn或其他图书馆吗？因此，这个问题的答案是，仅使用scipy工具是不可能的吗？您需要理解这个问题，而不仅仅是找到一个有时更好，有时不更好的功能/选项。