Python气象数据处理与绘图:聚类算法(K-means轨迹聚类)
Posted 气海无涯
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python气象数据处理与绘图:聚类算法(K-means轨迹聚类)相关的知识,希望对你有一定的参考价值。
二、K-means聚类
使用的数据是这样的:
print(x.shape)
print(y.shape)
#(216, 68),216为216条路径,68指每条路径由68个时刻点构成。
#(216, 68)
首先调用库
from sklearn.cluster import KMeans
接着整合数据,因为我们的X和Y是两个数组存放的,现在合并起来,这一步的方法有很多(concatenate,stack等等都可以),我给一个容易理解的方法:
traj = np.zeros((216,68,2))
traj[:,:,0] = x
traj[:,:,1] = y
traj = traj.reshape((216,68*2))
那么接下来就可以聚类了
km = KMeans(n_clusters=3)#构造聚类器
km.fit(traj)#聚类
label = km.labels_ #获取聚类标签
label0=np.array(np.where(labels==0))
label1=np.array(np.where(labels==1))
label2=np.array(np.where(labels==2))
numlabel0=len(label0[0,:])
numlabel1=len(label1[0,:])
numlabel2=len(label2[0,:])
#[0,:]是因为上面取出来的数据是两维的,第一维是1,因此需要指定才可以获取长度
x0 = np.array([x[i,:] for i in label0]).reshape((numlabel0,68))
y0 = np.array([y[i,:] for i in label0]).reshape((numlabel0,68))
x1 = np.array([x[i,:] for i in label1]).reshape((numlabel1,68))
y1 = np.array([y[i,:] for i in label1]).reshape((numlabel1,68))
x2 = np.array([x[i,:] for i in label2]).reshape((numlabel2,68))
y2 = np.array([y[i,:] for i in label2]).reshape((numlabel2,68))
那现在我们获取了每一类的经度和纬度,按我上一篇文章的方法绘制即可。
三、K-means聚类效果评估
最后,讲一下K-means聚类的效果如何评估,通常用几个参数来确定聚类数。这个要用数据说话,不能很主观的我们想分几类就分几类。
1.SSE(簇内误方差)
SSE参数的核心思想就是计算误方差和,SSE的值越小,证明聚类效果越好,当然,聚类数越大,SSE必然是越小的,SSE的分布类似对数函数,是逐渐趋0的,同样也类似对数函数,有一个突然的拐点,即存在一个下降趋势突然变缓的点,这个点对应的K值即为最佳聚类数。
SSE = []
for i in range(1,11):
km = KMeans(n_clusters=i)
km.fit(traj)
#获取K-means算法的SSE
SSE.append(km.inertia_)
2.轮廓系数S
计算 a(i) 为i向量到所有它属于的簇中其它点的距离的平均值
计算 b(i) i向量到各个非本身所在簇的所有点的平均距离的最小值
那么 i 向量轮廓系数就为:S(i) = (b(i)-a(i))/(max(a(i),b(i)))
当然了,公式并不重要,如果需要在论文中给出的话,建议查询维基百科。
SKLEANR库给出了计算函数。
from sklearn.metrics import silhouette_score
S = [] # 存放轮廓系数
for i in range(2,10):
kmeans = KMeans(n_clusters=i) # 构造聚类器
kmeans.fit(traj)
S.append(silhouette_score(traj,kmeans.labels_,metric='euclidean'))
要注意的是,这里使用的衡量标准是"euclidean"也就是常说的欧氏距离。
可以看到,k=3时,局部轮廓系数最大(极大值),因此K=3为最优选择。
3.如何确定数据是否合适使用K-means方法
通常的话前面介绍到的两种评估参数即可确定该数据能否使用K-means聚类方法,不需要两种同时使用,只需要其中一种评估参数可以挑选出一个最优K值即可。如果两种参数都无法挑出最优K值,那么说明你可能需要另外再找一种聚类方法了,再或者就是我前文提到的,数据要素太大,信息熵溢出了,使用PCA提取主成分,对数据进行降维。
以上是关于Python气象数据处理与绘图:聚类算法(K-means轨迹聚类)的主要内容,如果未能解决你的问题,请参考以下文章