Python中的球形k-means实现
Posted
技术标签:
【中文标题】Python中的球形k-means实现【英文标题】:Spherical k-means implementation in Python 【发布时间】:2013-10-14 03:35:25 【问题描述】:我使用scipy's k-means 已经有一段时间了,我对它在可用性和效率方面的工作方式感到非常满意。但是,现在我想探索不同的 k-means 变体,更具体地说,我想在我的一些问题中应用spherical k-means。
您知道球面 k-means 的任何好的 Python 实现(即类似于 scipy 的 k-means)吗?如果不是,修改 scipy 的源代码以使其 k-means 算法成为球形有多难?
谢谢。
【问题讨论】:
【参考方案1】:在球面 k 均值中,您的目标是保证中心在球面上,因此您可以调整算法以使用余弦距离,并且还应该对最终结果的质心进行归一化。
当使用欧几里得距离时,我更喜欢将算法视为在每次迭代中将聚类中心投影到单位球体上,即,在每个最大化步骤之后应该对中心进行归一化。
确实,当中心和数据点都归一化时,余弦距离和欧几里得距离是一一对应的关系
|a - b|_2 = 2 * (1 - cos(a,b))
jasonlaska/spherecluster 包将 scikit-learns 的 k-means
修改为 spherical k-means
,还提供了另一种球体聚类算法。
【讨论】:
我认为这个答案应该被接受,@oriol-nieto 表达式中不应该有sqrt吗? |a - b|_2 = sqrt(2 * (1 - cos(a, b))) 这不会改变指出的一对一关系。【参考方案2】:操作方法如下,如果您在 3D 球体上有极坐标,例如(lat
, lon
)对:
如果您的坐标是以度为单位的 (lat
, lon
) 坐标,您可以编写一个函数将这些点转换为笛卡尔坐标,例如:
def cartesian_encoder(coord, r_E=6371):
"""Convert lat/lon to cartesian points on Earth's surface.
Input
-----
coord : numpy 2darray (size=(N, 2))
r_E : radius of Earth
Output
------
out : numpy 2darray (size=(N, 3))
"""
def _to_rad(deg):
return deg * np.pi / 180.
theta = _to_rad(coord[:, 0]) # lat [radians]
phi = _to_rad(coord[:, 1]) # lon [radians]
x = r_E * np.cos(phi) * np.cos(theta)
y = r_E * np.sin(phi) * np.cos(theta)
z = r_E * np.sin(theta)
return np.concatenate([x.reshape(-1, 1), y.reshape(-1, 1), z.reshape(-1, 1)], axis=1)
如果您的坐标已经是弧度,只需删除该函数中的前 5 行。
使用 pip 安装 spherecluster
包。如果以 (lat
, lon
) 对的行形式给出的极坐标数据称为 X
,并且您想在其中找到 10 个簇,则 KMeans-clustering 球形的最终代码将是:
import numpy as np
import spherecluster
X_cart = cartesian_encoder(X)
kmeans_labels = SphericalKMeans(10).fit_predict(X_cart)
【讨论】:
不过,我应该补充一点,使用来自sklearn
的常规 KMeans 可能会在 99% 的情况下为您提供相同的结果。所以只需转换为笛卡尔坐标并将它们聚类。【参考方案3】:
看起来球形 k-means 的显着特征是使用余弦距离,而不是标准的欧几里得度量。话虽如此,在另一个答案中,这里有一个很好的纯 numpy/scipy 改编:
Is it possible to specify your own distance function using Scikits.Learn K-Means Clustering?
如果这不符合您的要求,您可能想试试sklearn.cluster
。
【讨论】:
我可能是错的,但我理解球面 k 均值的方式是学习的质心位于由数据的标准差定义的超球面的表面。您应该能够使用您喜欢的距离度量来学习这些质心(然后对新数据进行聚类),而不仅仅是余弦。无论如何,谢谢你的回答。这个链接其实很有趣。 @urinieto 你可能是对的,我对球形 K-means 没有经验。我只是假设它来自一个余弦度量,它通过浏览链接的论文 OP 发布。我也对纠正这个问题的答案感兴趣。以上是关于Python中的球形k-means实现的主要内容,如果未能解决你的问题,请参考以下文章
k-means+python︱scikit-learn中的KMeans聚类实现( + MiniBatchKMeans)