Tensorflow实现k-means

最新推荐文章于 2022-07-21 22:17:41 发布

freedom098

最新推荐文章于 2022-07-21 22:17:41 发布

阅读量5.5k

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/freedom098/article/details/56021013

版权

这篇博客介绍了如何使用Tensorflow实现k-means聚类算法。通过简化和调整Building Machinery Learning on Tensorflow中的程序，生成一个人工数据集，利用tf.unsorted_segment_sum函数进行数据分割求和，结合矩阵批量运算计算距离，并用tf.control_dependencies控制op运行顺序确保类中心稳定后进行更新。此外，还展示了如何在训练过程中内建画图函数，实时显示迭代结果，使得在有限的迭代次数下即可达到收敛。

摘要由CSDN通过智能技术生成

Tensorflow实现k-means

tensorflow实现k-means聚类算法，主要参考是的buliding Maninery Learning on Tensorflow的程序，我稍微简化了一下，并对结构做了调整，看起来更加整洁紧凑。tf构建这样的算法要比直接使用numpy复杂一些，而且不是很直观，但是关于tf的一些小的函数和技巧可以从中学习到。

首先生成一个人工的数据集，这样比较好观察结果。

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

from sklearn.datasets.samples_generator import make_blobs
from sklearn.datasets.samples_generator import make_circles

K = 4 # 类别数目
MAX_ITERS = 1000 # 最大迭代次数
N = 200 # 样本点数目

centers = [[-2, -2], [-2,