更新质心值k-means
我正在尝试使用python从头开始实现一个k-means聚类算法。我在更新每个簇的质心值时遇到问题。下面的代码显示了到目前为止我所处的位置。我最初将每个数据点聚类为k个聚类中的一个。所有数据包含329行；每一行是一个单词，后跟300个特征，后面是它被分配到的集群的编号（值1到4）。我在循环中尝试做的是首先创建一个数组A，该数组只保存分配给第一个集群的AllData中的行。然后我想取A中每个特征列的平均值，并将质心更新为这个值。循环应该迭代地对所有4个集群执行此操作。
k = 4
i = 1
while (i <= k):
A = AllData[:,1:301][AllData[:,301] == i]
centroids[i-1:i,:] = A.mean(axis=0)
i = i + 1
质心数组中4行的值正在正确更新。我遇到的问题是，4个更新的形心值也重写了AllData的前4行。我不想发生这种事。AllData数组应保持不变。任何帮助将不胜感激！
共有1个答案
在Python中，与大多数编程语言一样，数组以索引0开头。因此，您将跳过第一列，并访问最后一列以外的内容。
您可以使用array[array[：，-1]==i，：-1]，尽管我建议将输入数据和标签分开
-
我已经实现了一个函数，在运行K-Means聚类算法后，找到距离每个质心最近的数据点。我想知道是否有一个函数可以让我找到距离每个质心最近的M个点。
-
我有一个Java程序，它将使用我从这里找到的K-Means算法将坐标聚类成2组。我已经成功地获得了每个组中的聚集元素，但是我不确定如何检索每个集群的形心位置。 这是我的节目： 有没有一种方法可以在聚类后检索质心位置？
-
我的表格结构如下： 现在，要进行大规模更新，我将执行以下操作： 但是，我们不应该盲目地将状态设置为1，因为有一个条件。如果列的值等于
-
本文向大家介绍k-means除了随机选择初始质心，还有什么方法？相关面试题，主要包含被问及k-means除了随机选择初始质心，还有什么方法？时的应答技巧和注意事项，需要的朋友参考一下 多次运行，每次使用一组不同的初始质心，计算平方误差，选择最小的作为初始质心 使用层次聚类，找到k个簇的质心，以这个质心作为初始质心 先随机选择一个初始质心，然后找到后继质心，即找到距离这个质心最远的点作为新的质心，这
-
问题内容： 我正在尝试使用选定的初始质心进行k均值聚类。它说在这里 指定您的初始中心： 如果通过，它应该是形状（的，）并给出初始中心。 我在Python中的代码： 返回错误： 并返回相同的初始中心。任何想法如何形成初始中心以便可以被接受吗？ 问题答案： 的默认行为是使用不同的随机质心多次初始化算法（即Forgy方法）。然后，随机初始化的数量由参数（docs）控制： n_init ：int，默认值：
-
我想从二值图像中得到圆形状的质心，但输出给出了不止一个质心。我使用的是opencv web教程文档中关于图像时刻和修改的代码。供参考，我使用的是C++API OpenCV。 输出结果是： 我预计，文本输出可能会从3个轮廓中给出3个质心，但实际上是7个轮廓（轮廓[0]，...，轮廓[6])。