用R语言DIY机器学习算法--Kmeans
来源:互联网 发布:软件著作权模板 编辑:程序博客网 时间:2024/06/05 11:53
聚类是一种无监督的机器学习算法。在聚类算法中,输入的数据通常没有预先定义好类别(无标签),需要根据一定的规则计算每个之间的相似度,将相似度高的对象归入到同一个簇(cluster)中,相似度低的对象归入到不同簇中,这样组成的一个个的簇就是数据最可能的分类标准。因此聚类算法一般应用于无标签的数据分类中。
Kmeans算法是一种最基本的聚类算法,是一种自动发现给定数据集的k个簇的算法。k是事先给定的,即想要聚合成的簇个数,每一个簇通过其质心(centroid),即簇中所有点的中心来描述。
Kmeans算法的流程:
1. 随机确定k个初始点作为质心。
2. 计算每个点到k个质心的距离,并将其分配给距离最近的质心所对应的簇。
3. 每个簇重新计算质心。
4. 重复2/3步骤直至质心不在变化为止。
在R语言中,利用Kmeans函数能够实现该算法,这里不再赘述,本文的主要目的是通过自己编写代码来完成Kmeans算法的逻辑过程。参考了《机器学习实战》一书中的python代码。具体代码如下:
首先定义一个距离的计算公式,用于计算各样本点的距离。这里选择了欧式距离。
##计算欧式距离eucDistance <- function(data1,data2){ dis <- sqrt(sum((data1-data2)^2)) return(dis)}然后定义一个初始化质心的方法。初始的质心随机地从样本点中选取。
##初始化质心initCentroids <- function(dataSet,k){ dataNum <- nrow(dataSet) dim <- ncol(dataSet) centroids <- matrix(0,k,dim) for(i in 1:k){ index <- sample(1:dataNum,1) centroids[i,] <- dataSet[index,] } return(centroids)}
最后就是定义具体的Kmeans算法了。
##kmeans算法kmeansDIY <- function(dataSet,k){ dataNum <- nrow(dataSet) clusterAssment <- matrix(0,dataNum,2) clusterChanged <- TRUE ##控制是否继续进行质心的更新 centroids <- initCentroids(dataSet,k) while(clusterChanged){ clusterChanged <- FALSE for(i in 1:dataNum){ ##寻找最近的质心 minIndex <- 1 ##初始化最近质心所在簇编号和最小距离 minDist <- Inf for(j in 1:k){ ##计算样本点与质心的距离,并记录最近质心的簇编号和最小距离 distance <- eucDistance(centroids[j,],dataSet[i,]) if(distance < minDist){ minDist <- distance minIndex <- j } } if(clusterAssment[i,1] != minIndex){ ##如果当前所在簇不是最近质心所在的簇,则更新质心的位置并再次进入while循环体 clusterChanged <- TRUE clusterAssment[i,1] <- minIndex clusterAssment[i,2] <- minDist^2 } } for(j in 1:length(k)){ ##更新质心的位置,新的质心由每个簇的均值得出 pointsInCluster <- dataSet[which(clusterAssment[,1]==j),] centroids[j,] <- apply(pointsInCluster,2,mean) } } return(clusterAssment[,1])}
根据算法的流程,首先要初始化质心,调用initCentroids函数来完成这一步骤。函数里定义了一个名为clusterChanged的布尔型变量,作为while的判断条件来控制质心的更新。当进入到每一次的while循环时,先将clusterChanged的值改为FALSE,然后计算样本点到k个质心的距离,记录距离最近的质心所在簇的编号以及相应的距离,同时记录minDist和minIndex。得到minIndex后与样本当前所在的簇编号做对比,如果不一致则说明还需要继续更新质心的位置,将该样本点分到minIndex簇中,并将clusterChanged赋值为TRUE继续进行while循环。当每个样本点的质心不再变化时,则停止更新质心。
对模型做一下测试:
library(dplyr)iris_data <- iris[,c(1:4)] %>% as.matrix()kks <- kmeansDIY(iris_data,3)library(ggplot2)qplot(Sepal.Length,Sepal.Width,data=iris,col=as.factor(kks),size=as.factor(kks),shape=as.factor(kks))
从图中可以看到本次的测试结果还不错,其实是从几次的测试中挑出一个最好的结果...Kmeans算法会收到初始值选取的影响,可能会导致算法收敛到局部最小值,使结果不理想。克服该问题可以选取二分Kmeans算法,这里不再介绍。
- 用R语言DIY机器学习算法--Kmeans
- 用R语言DIY机器学习算法--KNN
- 机器学习算法-kMeans
- 机器学习非监督学习- kmeans算法
- 2、机器学习算法KMeans -- Java代码
- kmeans(最简单的机器学习算法)
- 机器学习笔记之Kmeans算法
- 机器学习-python实现kMeans算法
- R语言与机器学习学习笔记(分类算法)
- R语言与机器学习学习笔记(分类算法)
- R语言与机器学习学习笔记(分类算法
- 【聚类分析】Kmeans算法理解及R语言实现
- 机器学习算法的R语言实现(一):KNN
- 机器学习算法简介和代码(P&R语言)
- R语言之机器学习
- R语言中的机器学习
- 机器学习与R语言
- 机器学习与数据挖掘算法--kMeans算法
- Jenkins安装配置
- 串口M1卡读写模块,串口Mifare 读写模块,串口Ntag213/215/216读写模块
- 把符合日期格式的字符串解析成日期
- 单点登录原理与简单实现
- AndroidStudio 相同jar包配置文件冲突(DuplicateFileException)
- 用R语言DIY机器学习算法--Kmeans
- 1003. 我要通过!(20)
- grub过程
- 使用新版Android Studio检测内存泄露和性能
- Hibernate与 MyBatis的比较
- Hibernate4之二级缓存配置与使用
- faceRecognize没有成员函数getMat问题解决
- 第八届福建省大学生程序设计竞赛 省赛回忆
- MVVM+RAC