LVQ 学习向量量化 聚类 python 实现 以及 一些 思考

思路就不多说了。。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def LVQ(X,y,n_clusters,learning_rate=0.1):
    #随机选择n_clusters个样本作为p向量
    idx=np.random.choice(X.shape[0],n_clusters)
    p=X[idx,:]
    #获取p的标签
    py=y[idx]
    #画图用
    fig,ax=plt.subplots(3,3,figsize=(12,12),sharex=True,sharey=True)
    j=-1
    for i in range(4501):
        #随机选择一个样本xi
        idx=np.random.choice(X.shape[0],1)
        xi=X[idx,:]
        #计算xi到各个p向量的距离
        dist=np.sqrt(np.sum(np.square(xi-p),axis=1))
        #找到最小距离p向量的索引
        minIdx=np.argmin(dist)
        #如果xi的标签与该向量的标签相等，则靠近，不然就原理
        if y[idx]==py[minIdx]:
            p[minIdx]=p[minIdx]+learning_rate*(xi-p[minIdx])
        else:
            p[minIdx]=p[minIdx]-learning_rate*(xi-p[minIdx])
        #每循环500次画图
        if (i>0) & (i%500==0):
            j+&#