主页 / 问题 / 938145
Accepted
Pavel
Asked:2020-01-29 20:18:41 +0000 UTC2020-01-29 20:18:41 +0000 UTC

在 K-means 中设置初始质心时出错

  • 772

同事，帮我修复代码中的错误。

我无法为进一步的 K 均值聚类设置随机质心。

    # Number of clusters
k = 3
# X coordinates of random centroids
C_x = np.random.randint(0, np.max(X)-20, size=k)
# Y coordinates of random centroids
C_y = np.random.randint(0, np.max(X)-20, size=k)
C = np.array(list(zip(C_x, C_y)), dtype=np.float32)
print(C)

发生错误

ValueError：高超出 int32 的范围

如果您帮助 ML 新手，我将不胜感激

python

1 个回答

  1. Best Answer

    显然，在向量X中，最大值超出了界限np.int32：

    In [73]: np.iinfo('int32')
Out[73]: iinfo(min=-2147483648, max=2147483647, dtype=int32)

    因此，它可能np.random.randint(..., np.max(X)-20, ...)会返回一个超出范围的数字，例如：

    In [76]: np.random.randint(0, 10**10)
...
skipped
...
ValueError: high is out of bounds for int32

    要修复此错误，您可以显式设置数据类型：

    In [77]: np.random.randint(0, 10**10, dtype='int64')
Out[77]: 7882851664

    但是主要的困难在前面等待着你——k-means它可以收敛到局部最小值，这在很大程度上取决于初始质心的选择。因此，该算法的所有工业实现都会使用不同的初始质心进行多次计算，从而返回最佳结果。使用一种SciKit-Learn算法k-means++来选择初始质心，其本质是选择尽可能远离彼此的质心。

    PS链接到文档的理论部分

    用法示例（来自文档）：

    >>> from sklearn.cluster import KMeans
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...               [4, 2], [4, 4], [4, 0]])
>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
>>> kmeans.labels_
array([0, 0, 0, 1, 1, 1], dtype=int32)
>>> kmeans.predict([[0, 0], [4, 4]])
array([0, 1], dtype=int32)
>>> kmeans.cluster_centers_
array([[1., 2.],
       [4., 2.]])
    • 1

相关问题