K 均值聚类，将数据颜色更改为取决于最近的质心

Question

我的 python 下面的代码对一组数据执行非常非常简单的 K 均值聚类。存在的问题是我需要根据最接近的质心来更改数据点的颜色。谁能帮我做点什么？

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt


def calc_dist_euclidean(vec_1, vec_2):

    distances = np.sqrt(((vec_1 - vec_2[:, np.newaxis]) ** 2).sum(axis=2))
    dist_euclidean = np.argmin(distances, axis=0)

    return dist_euclidean


def init_cent(dataset, k):

    centroids = dataset.copy()
    np.random.shuffle(centroids)

    return centroids[:k]


def k_means(dataset, k):

    centroids = init_cent(dataset, k)

    distances = calc_dist_euclidean(dataset, centroids)

    cluster_assigning = np.array([dataset[distances == k].mean(axis=0) for k in range(centroids.shape[0])])

    return centroids, cluster_assigning


df = pd.read_csv('bristol_vacation_rentals_2016.csv')

dataset = df[['latitude', 'longitude']].values

k = 3

centroids, cluster_assigning = k_means(dataset, k)
plt.subplot(121)
plt.scatter(dataset[:, 0], dataset[:, 1], s=2)
plt.scatter(centroids[:, 0], centroids[:, 1],  c='r', s=50)
plt.xlabel('latitude')
plt.ylabel('longitude')

plt.subplot(122)
plt.scatter(dataset[:, 0], dataset[:, 1], s=2)
plt.scatter(cluster_assigning[:, 0], cluster_assigning[:, 1], c='r', s=50)
plt.xlabel('latitude')
plt.ylabel('longitude')
plt.show()

Answer 1

为了简单起见，我会重用 k_means() 函数中的变量 distances，并返回它：

def k_means(dataset, k):

    centroids = init_cent(dataset, k)

    distances = calc_dist_euclidean(dataset, centroids)

    cluster_assigning = np.array([dataset[distances == k].mean(axis=0) for k in range(centroids.shape[0])])

    return centroids, distances, cluster_assigning

然后，您可以根据相应的集群绘制质心和数据点，定义一个包含每种颜色的 numpy 数组 colors，并使用 colors[distances] 为每个数据点创建一个颜色的 numpy 数组:

df = pd.read_csv('bristol_vacation_rentals_2016.csv')

dataset = df[['latitude', 'longitude']].values

k = 3
colors = np.array(['r', 'g', 'b'])

centroids, distances, cluster_assigning = k_means(dataset, k)
plt.subplot(121)
plt.scatter(dataset[:, 0], dataset[:, 1], c=colors[distances], s=2)
plt.scatter(centroids[:, 0], centroids[:, 1],  c=colors, s=50)
plt.xlabel('latitude')
plt.ylabel('longitude')

plt.subplot(122)
plt.scatter(dataset[:, 0], dataset[:, 1], c=colors[distances], s=2)
plt.scatter(cluster_assigning[:, 0], cluster_assigning[:, 1], c=colors, s=50)
plt.xlabel('latitude')
plt.ylabel('longitude')
plt.show()

K 均值聚类，将数据颜色更改为取决于最近的质心

K-means clustering, changing colour of data to depending on closest centroid

python

k-means