lvq聚类 matlab,手写LVQ（学习向量量化）聚类算法

LVQ聚类与k-means不同之处在于，它是有标记的聚类，设定带标签的k个原型向量(即团簇中心)，根据样本标签是否与原型向量的标签一致，对原型向量进行更新。

最后，根据样本到原型向量的距离，对样本进行团簇划分。

伪代码如下：

python实现如下：

1，算法部分

#学习向量量化LVQ：有标记的聚类

importnumpy as np

import randomdefdis(x,y):return np.sqrt(np.sum(np.power(x[:-1]-y[:-1],2)))#lvq算法

def lvq(data,labels,k=4,lr=0.01,epochs=1000,delta=1e-3):'''data:np.array,last feature is the label.

labels:1-dimension list or array,label of the data.

k:num_group

lr:learning rate

epochs:max epoch to stop running earlier

delta: max distance for two vectors to be 'equal'.'''

#学习向量

q=np.empty(shape=(k,data.shape[-1]),dtype=np.float32)#确认是否所有向量更新完了

all_vectors_updated=np.empty(shape=(k,),dtype=np.bool)

num_labels=len(labels)#初始化原型向量，从每一类中随机选取样本，如果类别数小于聚类数，循环随机取各类别中的样本

for i inrange(k):

q[i]=random.choice(data[data[:,-1]==labels[i%num_labels]])

step=0while not all_vectors_updated.all() and step

x=random.choice(data)

min_dis=np.inf

index=0for i inrange(k):

distance=dis(x,q[i])if distance

min_dis=distance

index=i#保存更新前向量

temp_q=q[index].copy()#如果标签相同，则q更新后接近样本x，否则远离

if x[-1]==q[index][-1]:

q[index][:-1]=q[index][:-1]+lr*(x[:-1]-q[index][:-1])else:

q[index][:-1]=q[index][:-1]-lr*(x[:-1]-q[index][:-1])#更新记录数组

if dis(temp_q,q[index])

all_vectors_updated[index]=True

step+=1

#训练完后，样本划分到最近的原型向量簇中

categoried_data=[]for i inrange(k):

categoried_data.append([])for item indata:

min_dis=np.inf

index=0for i inrange(k):

distance=dis(item,q[i])if distance

min_dis=distance

index=i

categoried_data[index].append(item)returnq,categoried_data

2，验证、测试

2.1 随机x-y平面上的点，根据y=x将数据划分为2个类别，然后聚类

先看看原始数据分布：

x=np.random.randint(-50,50,size=100)

y=np.random.randint(-50,50,size=100)

x=np.array(list(zip(x,y)))importmatplotlib.pyplot as plt%matplotlib inline

plt.plot([item[0]for item in x],[item[1] for item in x],'ro')

处理输入数据：

#y>x:1 y<=x:0

y=np.array([ 1&(item[1]>item[0]) for item inx])

y=np.expand_dims(y,axis=-1)

data=np.concatenate((x,y),axis=1).astype(np.float32)

训练，显示结果

q,categoried_data=lvq(data,np.array([0.,1.]),k=4)

color=['bo','ko','go','co','yo','ro']for i inrange(len(categoried_data)):

data_i=categoried_data[i]

plt.plot([item[0]for item in data_i],[item[1] for item indata_i],color[i])

plt.plot([item[0]for item in q],[item[1] for item in q],color[-1])

plt.show()

这里执行了2次，可以看出与k-means一样，对初值敏感

总结：

根据上图可以看出，聚类的效果是在标记的前提下进行的，即团簇是很少跨过分类边界y=x的。相当于对每一个类别，进行了细分。因为每次训练根据一个样本更新，epochs应该设置大一点。

另外，感觉我这个算法有点问题(不知道是不是没理解好lvq)，当团簇数大于分类数时，团簇标记会重叠，这就导致同一个类下的2个团簇，当进行原型向量更新时，可能导致向量靠近另一个团簇的样本。从直觉上看，k-means那种基于多个样本的中心更新看起来更靠谱一些。