numpy 并行计算实现kmeans操作

该代码是知乎作者iSun完成，其实现了高效的numpy运算。

import numpy as np
import matplotlib.pyplot as pltdef distance(vector1, vector2):return np.sqrt(np.sum(np.square(vector2 - vector1)))# 初始化k个中心点
def init_centroids(X, k, seed=110):np.random.seed(seed)n = X.shape[0]assert n >= kidxs = np.random.choice(range(n), k, replace=False)return X[idxs]# 计算k个cluster的中心点
def compute_centroids(X, clusters, k):new_centroids = np.zeros((k, X.shape[1]))for i in range(k):new_centroids[i] = np.mean(X[clusters == i], axis=0)return new_centroids# 计算所有样本点和中心点的距离
def compute_distances(X, centers):double_xy = 2 * X.dot(centers.T)sq_X = np.sum(np.square(X), axis=1, keepdims=True)sq_centers = np.sum(np.square(centers), axis=1)dists = np.sqrt(sq_X - double_xy + sq_centers)return distsdef kmeans(X, k, seed=110, tolerance=1e-5, max_iter=1000):centers = init_centroids(X, k, seed)dists = compute_distances(X, centers)clusters = np.argmin(dists, axis=1)i = 0while True:# 重新计算中心点new_centers = compute_centroids(X, clusters, k)if i > max_iter or distance(new_centers, centers) <= tolerance:print(i)print(distance(new_centers, centers))breakcenters = new_centersdists = compute_distances(X, new_centers)clusters = np.argmin(dists, axis=1)i += 1return clusters, centersif __name__ == '__main__':sample1 = np.random.normal(2, 1, 60).reshape((30, 2))sample2 = np.random.normal(5, 1, 60).reshape((30, 2))X = np.concatenate([sample1, sample2])clusters, centers = kmeans(X, 2)plt.scatter(sample1[:, 0], sample1[:, 1])plt.scatter(sample2[:, 0], sample2[:, 1])plt.scatter(centers[:, 0], centers[:, 1], marker='x', color='r', s=50)

numpy 并行计算实现kmeans操作相关推荐

numpy和torch数据操作对比
对numpy和torch数据操作进行对比,避免遗忘. ndarray和tensor import torch import numpy as npnp_data = np.arange(6).resh ...
numpy归一化_使用numpy 高效实现K-Means聚类
好久之前写过K-Means, 但写的极其丑陋,使用的时候还得用 sklearn.cluster.KMeans 包来干.最近需要手撕k-Means,自己也受不了多重for 循环这么disgusting的 ...
numpy.polynomial 常见多项式操作
numpy.polynomial 常见多项式操作文章目录构造一元多项式多项式与数直接相乘和加减快速求某点处的值 poly1d 的 attributes poly1d 的 Methods 积分 ...
利用numpy对像素点进行操作
1,源代码: import cv2 as cv import numpy as npdef access_pixels(image): #定义访问图像像素值的函数print(image.shape); ...
Python Numpy中返回下标操作函数-节约时间的利器
如果觉得Python慢,那么首先应该想到是不是没有用对. Numpy是Python中自带的一个数值计算库,包含了大量数值计算的常用方法.其底层大量使用C/C++(超过50%的代码量),矩阵计算调用LA ...
图解 Numpy，原来数据操作这么简单！
本文用可视化的方式介绍了 NumPy 的功能和使用示例. NumPy 软件包是 Python 生态系统中数据分析.机器学习和科学计算的主力军.它极大地简化了向量和矩阵的操作处理.Python 的一些主 ...
numpy读取csv_Numpy——IO操作与数据处理
一.问题? 大多数数据并不是我们自己构造的,存在文件当中.我们需要工具去获取,但是Numpy其实并不适合去读取处理数据,这里我们了解相关API,以及Numpy不方便的地方即可. 二.Numpy读取 g ...
NumPy快速入门--形状操作
文章目录 1. 更改数组的形状 2. 将不同数组堆叠在一起 3. 将一个数组分成几个较小的数组 1. 更改数组的形状 >>> import numpy as np >>& ...
numpy、cv2等操作图片基本操作
相关包 matplotlib PIL cv2 numpy 各种操作读取图片 1 matplotlib.pylab import pylab as plt import numpy as np img ...

numpy 并行计算实现kmeans操作

numpy 并行计算实现kmeans操作相关推荐

最新文章

热门文章