使用Python中的前四次迭代演示集群质心更新并将其可视化？

Question

我成功地创建了一个包含6个集群的数据集，并使用下面的代码将其可视化，现在我想在KMeans算法中可视化地演示集群中心体的更新。这个演示应该包括生成2×2轴图的前四次迭代。

这是我的代码：

# import statements
from sklearn.datasets import make_blobs
import numpy as np
import matplotlib.pyplot as plt
# create blobs
data = make_blobs(n_samples=200, n_features=6, centers=6, cluster_std=1.6, random_state=50)
# create np array for data points
points = data[0]
# create scatter plot
plt.scatter(data[0][:,0], data[0][:,1], c=data[1], cmap='jet',marker="+",label="Original Data")
plt.xlim(-15,15)
plt.ylim(-15,15)
plt.show()

如何实现此算法？在使用R之前，有人问过它，但是，我想在python中这样做。你能帮我可视化前4次迭代吗？

产出应如下：

Answer 1

您可以使用plt.scatter()和plt.subplots()来实现以下目标：

import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
data = make_blobs(n_samples=200, n_features=8, 
                           centers=6, cluster_std=1.8,random_state=101)

fig, ax = plt.subplots(nrows=2, ncols=2,figsize=(10,10))

from sklearn.cluster import KMeans
c=d=0
for i in range(4):
    ax[c,d].title.set_text(f"{i+1} iteration points:")
    kmeans = KMeans(n_clusters=6,random_state=0,max_iter=i+1)
    kmeans.fit(data[0])
    centroids=kmeans.cluster_centers_
    ax[c,d].scatter(data[0][:,0],data[0][:,1],c=data[1],cmap='brg')
    ax[c,d].scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=200, c='black')
    d+=1
    if d==2:
        c+=1
        d=0

这将产生：

Answer 2

您可以自己编写一个KMeans算法，这样您就可以一步一步地执行每个更新，并且很容易地将点的绘制合并到您的代码中，但也可能使用KMeans执行来自scikit-learn。要阻止算法完全收敛，可以将max_iter限制为[1, 2, 3, 4]，因为您只想绘制前四次迭代，并且可以分别从cluster_centers_和labels_属性中提取集群质心和标签。