为kmeans质心初始化查找numpy数组的边点

Question

我正在用python实现kmeans算法。我正在测试初始化质心的新方法，并希望实现它，看看它会对集群产生什么影响。

我的想法是从我的数据集中选择数据点，使质心初始化为数据的边缘点。

简单示例2属性示例：

假设这是我的输入数组

input = array([[3,3], [1,1], [-1,-1], [3,-3], [-1,1], [-3,3], [1,-1], [-3,-3]])

我想从这个数组中选择[3,3][3，-3][3,3][3，-3]的边点。所以如果我的k是4，这些点会被选中

在我工作的数据有4和9个属性和大约300个数据点在我的数据集中

注意：我还没有找到解决问题的方法

我也想过为每一列找到最大值和最小值，并从那里尝试找到我的数据集的边缘，但我没有从这些值中识别边缘的有效方法的想法。

如果你认为这个想法行不通，我很想听听你要说什么。

问题

1. numpy是否有这样一个功能来获取数据集边缘数据点的索引
2. 如果没有，我将如何在数据集中找到这些边缘点

Answer 1

使用sency和成对距离来计算每一个距离另一个有多远：

from scipy.spatial.distance import pdist, squareform
p=pdist(input)

然后，使用sqaureform将p向量转化为矩阵形状：

s=squareform(pdist(input))

然后，使用numpyargwhere查找值为max或极值的索引，然后在输入数组中查找这些索引：

input[np.argwhere(s==np.max(p))]

array([[[ 3,  3],
        [-3, -3]],

       [[ 3, -3],
        [-3,  3]],

       [[-3,  3],
        [ 3, -3]],

       [[-3, -3],
        [ 3,  3]]])

完整的代码是：

from scipy.spatial.distance import pdist, squareform
p=pdist(input)
s=squareform(p)
input[np.argwhere(s==np.max(p))]