在 Python 中为每次迭代绘制 KMeans 聚类中心
Posted
技术标签:
【中文标题】在 Python 中为每次迭代绘制 KMeans 聚类中心【英文标题】:Plotting the KMeans Cluster Centers for every iteration in Python 【发布时间】:2021-04-03 13:12:17 【问题描述】:我创建了一个包含 6 个集群的数据集,并使用下面的代码对其进行可视化,并找到每次迭代的集群中心点,现在我想可视化 KMeans 算法中集群质心更新的演示。该演示应包括通过生成 2×2 轴图形的前四次迭代。 我找到了这些点,但我无法绘制它们,请您查看我的代码并通过查看,帮助我编写散点图算法吗?
到目前为止,这是我的代码:
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets import make_blobs
data = make_blobs(n_samples=200, n_features=8,
centers=6, cluster_std=1.8,random_state=101)
data[0].shape
plt.scatter(data[0][:,0],data[0][:,1],c=data[1],cmap='brg')
plt.show()
from sklearn.cluster import KMeans
print("First iteration points:")
kmeans = KMeans(n_clusters=6,random_state=0,max_iter=1)
kmeans.fit(data[0])
centroids=kmeans.cluster_centers_
print(kmeans.cluster_centers_)
print("Second iteration points:")
kmeans = KMeans(n_clusters=6,random_state=0,max_iter=2)
kmeans.fit(data[0])
print(kmeans.cluster_centers_)
print("Third iteration points:")
kmeans = KMeans(n_clusters=6,random_state=0,max_iter=3)
kmeans.fit(data[0])
print(kmeans.cluster_centers_)
print("Forth iteration points:")
kmeans = KMeans(n_clusters=6,random_state=0,max_iter=4)
kmeans.fit(data[0])
print(kmeans.cluster_centers_)
【问题讨论】:
“你能看看我的代码,然后看看,写散点图的算法” - 我认为你应该先尝试一下。不幸的是,Stack Overflow 不是让其他人为您编写代码的正确地方。您可以在 matplotlib 文档中找到示例(例如 matplotlib.org/3.3.3/gallery/shapes_and_collections/…) 是的,我尝试了十亿次,我的意思不是让你写代码我只是需要帮助,我的说法是错误的,我改变了它 【参考方案1】:您可以使用plt.scatter()
和plt.subplots()
来实现此目的,如下所示:
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
data = make_blobs(n_samples=200, n_features=8,
centers=6, cluster_std=1.8,random_state=101)
fig, ax = plt.subplots(nrows=2, ncols=2,figsize=(10,10))
from sklearn.cluster import KMeans
c=d=0
for i in range(4):
ax[c,d].title.set_text(f"i+1 iteration points:")
kmeans = KMeans(n_clusters=6,random_state=0,max_iter=i+1)
kmeans.fit(data[0])
centroids=kmeans.cluster_centers_
ax[c,d].scatter(data[0][:,0],data[0][:,1],c=data[1],cmap='brg')
ax[c,d].scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=200, c='black')
d+=1
if d==2:
c+=1
d=0
这将产生:
【讨论】:
首先,非常感谢您的回答,但我认为这不是我问题的正确答案,因为当我每次迭代都这样做时,它会给出完全相同的输出。我的输出应该是这样的:datascience.stackexchange.com/questions/87131/… 更新了我的答案。请检查这是否是您想要的。 您将获得相同的输出,因为在您创建的 blob 的第一次迭代之后质心没有改变。您可以打印并检查它。以上是关于在 Python 中为每次迭代绘制 KMeans 聚类中心的主要内容,如果未能解决你的问题,请参考以下文章
python - 如何在python中的4维数据上绘制kmeans聚类?