介绍
在本实验中,将实现K均值聚类算法(K-means)并了解其在数据聚类上的工作原理及图像压缩上的应用。
本次实验需要用到的数据集包括:
- Exp_data1.mat -2D 数据集
- hzau.jpeg -用于测试k均值聚类算法图像压缩性能的图像
评分标准如下:
- 要点1:寻找最近类中心点-----------------(20分)
- 要点2:计算均值类中心--------------------(20分)
- 要点3:随机初始化类中心-----------------(10分)
- 要点4:K均值聚类算法---------------------(20分)
- 要点5:图像压缩-----------------------------(30分)
# 引入所需要的库文件
import os
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import seaborn as sb
from scipy.io import loadmat
%matplotlib inline
1 K均值聚类 K-means Clustering
在本部分实验中,将实现K均值聚类算法。
在每次迭代中,算法主要包含两个部分:寻找最近类中心点和计算均值类中心。
另外,基于初始化的需求,需创建一个选择随机样本并将其用作初始聚类中心的函数。
1.1 寻找最近类中心点
在本部分实验中,我们将为每个样本点寻找离其距离最近的类中心,并将其赋予对应的类。
具体的更新公式如下:
**要点 1:** 在下方cell中,请**实现''寻找最近类中心点''的代码**。
# ====================== 在这里填入代码 =======================
def find_closest_centroids(X, centroids):
"""
输入
----------
X : 尺寸为 (m, n)的矩阵,第i行为第i个样本,n为样本的维数。
centroids : 尺寸为 (k, n)的矩阵,其中k为类别个数。
输出
-------
idx : 尺寸为 (m, 1)的矩阵,第i个分量表示第i个样本的类别。
"""
m = X.shape[0]
k = centroids.shape[0]
idx = np.zeros(m)
for i in range(m):
dist = np.linalg.norm(X[i] - centroids, axis=1)
idx[i] = np.argmin(dist)
return idx
# =============================================================
如果完成了上述函数 find_closest_centroids
,以下代码可用于测试。如果结果为[0 2 1]
,则计算通过。
#导入数据
data = loadmat('Exp_data1.mat')
X = data['X']
initial_centroids = initial_centroids = np.array([[3, 3], [6, 2], [8, 5]])
idx = find_closest_centroids(X, initial_centroids)
idx[0:3]
#显示并查看部分数据
data2 = pd.DataFrame(data.get('X'), columns=['X1', 'X2'])
data2.head()
#可视化二维数据
fig, ax = plt.subplots(figsize=(9,6))
ax.scatter(X[:,0], X[:,1], s=30, color='k', label='Original')
ax.legend()
plt.show()
1.2 计算均值类中心
在本部分实验中,我们将每类样本的均值作为新的类中心。
具体的更新公式如下:
**要点 2:** 在下方cell中,请**实现''计算均值类中心''的代码**。
# ====================== 在这里填入代码 =======================
def compute_centroids(X, idx, k):
m, n = X.shape
centroids = np.zeros((k, n))
for i in range(k):
indices = np.where(idx == i)[0]
centroids[i] = np.mean(X[indices], axis=0)
return centroids
# =============================================================
#测试上述计算均值类中心代码
compute_centroids(X, idx, 3)
1.3 随机初始化类中心
随机选择k个样本作为初始类中心。
**要点 3:** 在下方cell中,请**实现''随机初始化类中心''的代码**。具体为随机选择k个样本作为初始类中心。
# ====================== 在这里填入代码 =======================
def init_centroids(X, k):
m, n = X.shape
centroids = np.zeros((k, n))
rand_d = np.random.choice(m, k, replace=False)
centroids = X[rand_d]
return centroids
# =============================================================
#测试上述随机初始化类中心代码
init_centroids(X, 3)
1.4 实现K均值聚类算法
**要点 4:** 在下方cell中,请通过结合上述步骤**实现''K均值聚类算法''的代码**。
# ====================== 在这里填入代码 =======================
def run_k_means(X, initial_centroids, max_iters):
m, n = X.shape
k = initial_centroids.shape[0]
idx = np.zeros(m, dtype=int)
centroids = initial_centroids.copy()
for i in range(max_iters):
idx = find_closest_centroids(X, centroids)
centroids = compute_centroids(X, idx, k)
return idx, centroids
# =============================================================
2 将K均值聚类算法应用于数据集1
在本部分实验中,将已实现的K均值聚类算法应用于数据集1,该数据集中的样本维数为2,因此聚类结束后,可通过可视化观察聚类结果。
idx, centroids = run_k_means(X, initial_centroids, 10)
cluster1 = X[np.where(idx == 0)[0],:]
cluster2 = X[np.where(idx == 1)[0],:]
cluster3 = X[np.where(idx == 2)[0],:]
fig, ax = plt.subplots(figsize=(9,6))
ax.scatter(cluster1[:,0], cluster1[:,1], s=30, color='r', label='Cluster 1')
ax.scatter(cluster2[:,0], cluster2[:,1], s=30, color='g', label='Cluster 2')
ax.scatter(cluster3[:,0], cluster3[:,1], s=30, color='b', label='Cluster 3')
ax.legend()
plt.show()
1.3 将K均值聚类算法应用于图像压缩 Image compression with K-means
#读取图像
A = mpl.image.imread('hzau.jpeg')
A.shape
现在我们需要对数据应用一些预处理,并将其提供给K-means算法。
# 归一化图像像素值的范围到[0, 1]
A = A / 255.
# 对原始图像尺寸作变换
X = np.reshape(A, (A.shape[0] * A.shape[1], A.shape[2]))
X.shape
**要点 5:** 在下方cell中,**请利用K均值聚类算法实现图像压缩**。具体方法是将原始像素替换为对应的均值类中心像素。
# ====================== 在这里填入代码 =======================
# 随机初始化类中心
initial_centroids = init_centroids(X, 16)
idx, centroids = run_k_means(X, initial_centroids, 10)
idx = find_closest_centroids(X, centroids)
X_compressed = centroids[idx.astype(int)]
A_compressed = X_compressed.reshape(A.shape)
print(A_compressed.shape)
# =============================================================
#显示压缩前后的图像
fig, ax = plt.subplots(1, 2, figsize=(9,6))
ax[0].imshow(A)
ax[0].set_axis_off()
ax[0].set_title('Original image')
ax[1].imshow(A_compressed)
ax[1].set_axis_off()
ax[1].set_title('Compressed image')
plt.show()