punkty klastra po grupowaniu KMeansa (scikit learn)

Question

Zrobiłem grupowanie używając Kmeans używając sklearn. Chociaż ma metodę drukowania centroidów, to stwierdzam, że jest to dość dziwne, że nauka scikit-learn nie ma metody drukowania punktów klastra w każdym klastrze (lub że nie widziałem go tak daleko). Czy istnieje dobry sposób na uzyskanie punktów klastra w każdym klastrze?

Obecnie mam tego dość cludgy kod, aby to zrobić, gdzie V to zbiór danych:

def getClusterPoints(V, labels): 
    clusters = {} 
    for l in range(0, max(labels)+1): 
     data_points = [] 
     indices = [i for i, x in enumerate(labels) if x == l] 
     for idx in indices: 
      data_points.append(V[idx]) 
     clusters[l] = data_points 
    return clusters 

Propozycje/linki są bardzo cenione.

Dzięki! PD.

Answer 1

Na przykład

import numpy as np 
from sklearn.cluster import KMeans 
from sklearn import datasets 

iris = datasets.load_iris() 
X = iris.data 
y = iris.target 

estimator = KMeans(n_clusters=3) 
estimator.fit(X) 

Można uzyskać skupiska każdym punkcie przez

estimator.labels_ 

Out:

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
    0, 0, 0, 0, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
    1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
    1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 2, 2, 2, 2, 1, 2, 2, 2, 2, 2, 2, 1, 1, 
    2, 2, 2, 2, 1, 2, 1, 2, 1, 2, 2, 1, 1, 2, 2, 2, 2, 2, 1, 2, 2, 2, 2, 
    1, 2, 2, 2, 1, 2, 2, 2, 1, 2, 2, 1], dtype=int32) 

następnie uzyskać wskaźniki punktów dla każdego klastra

{i: np.where(estimator.labels_ == i)[0] for i in range(estimator.n_clusters)} 

Out:

{0: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 
     17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 
     34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49]), 
1: array([ 50, 51, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 
     64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 
     78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 
     91, 92, 93, 94, 95, 96, 97, 98, 99, 101, 106, 113, 114, 
     119, 121, 123, 126, 127, 133, 138, 142, 146, 149]), 
2: array([ 52, 77, 100, 102, 103, 104, 105, 107, 108, 109, 110, 111, 112, 
     115, 116, 117, 118, 120, 122, 124, 125, 128, 129, 130, 131, 132, 
     134, 135, 136, 137, 139, 140, 141, 143, 144, 145, 147, 148])} 

Edycja

Jeśli chcesz użyć tablicę punktów w X jako wartości zamiast tablica indeksów:

{i: X[np.where(estimator.labels_ == i)] for i in range(estimator.n_clusters)} 

Answer 2

Po przeczytaniu documentation widać, że kmeans ma atrybut labels_. Ten atrybut zapewnia klastry.

Zobacz pełną poniższy przykład:

import matplotlib.pyplot as plt 
from sklearn.cluster import MiniBatchKMeans, KMeans 
from sklearn.metrics.pairwise import pairwise_distances_argmin 
from sklearn.datasets.samples_generator import make_blobs 
import numpy as np 

############################################################################## 
# Generate sample data 
np.random.seed(0) 

batch_size = 45 
centers = [[1, 1], [-1, -1], [1, -1]] 
n_clusters = len(centers) 
X, labels_true = make_blobs(n_samples=3000, centers=centers, cluster_std=0.7) 

############################################################################## 
# Compute clustering with Means 

k_means = KMeans(init='k-means++', n_clusters=3, n_init=10) 
k_means.fit(X) 

############################################################################## 
# Plot the results 
for i in set(k_means.labels_): 
    index = k_means.labels_ == i 
    plt.plot(X[index,0], X[index,1], 'o') 
plt.show()