python-3.x - 如何使用质心网格实现均值偏移?
问题描述
这是一堂课,非常感谢您的帮助!我根据收到的评论进行了一些更改,但现在又出现了一个错误。我需要修改一个实现均值偏移算法的现有函数,但不是将所有点初始化为第一组质心,而是函数使用基于半径的网格创建一个质心网格。我还需要删除不包含任何数据点的质心。我的问题是我不明白如何解决我得到的错误!
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
<ipython-input-7-de18ffed728f> in <module>()
49 centroids = initialize_centroids(x)
50
---> 51 new_centroids = update_centroids(x, centroids, r = 1)
52
53 print(len(centroids))
<ipython-input-7-de18ffed728f> in update_centroids(data, centroids, r)
26 #print(len(centroids))
27 #print(range(len(centroids)))
---> 28 centroid = centroids[i]
29 for data_point in data:
30 if np.linalg.norm(data_point - centroid) < r:
IndexError: index 2 is out of bounds for axis 0 with size 2
我尝试使用输入数据集的范围作为网格的边界,点由半径分隔。
from sklearn import datasets
import numpy as np
import matplotlib.pyplot as plt
def initialize_centroids(data, r = 1):
'''Creates a grid of centroids with grid based on radius'''
data = np.array(data)
xi,yi = min(range(len(data))), max(range(len(data)))
mx = np.arange(xi,yi,r)
x,y = np.meshgrid(mx,mx)
centroids=np.vstack([x.ravel(), y.ravel()])
return centroids
#update centroids based on mean of points that fall within a specified radius of each centroid
def update_centroids(data, centroids, r = 1):
new_centroids = []
for i in centroids:
in_radius = []
centroid = centroids[i] #this is where the error occurs
for data_point in data:
if np.linalg.norm(data_point - centroid) < radius:
in_radius.append(data_point) #this list is appended by adding the new centroid to it if the above conition is satisfied.
new_centroid = np.mean(in_radius, axis=0)
#maybe another way to do the next part
new_centroids.append(tuple(new_centroid))
unique_centroids = sorted(list(set(new_centroids))) #for element in in_radius, if element in set skip else set.append(element(in_rad)). append does not work with set.
new_centroids = {i:np.array(unique_centroids[i]) for i in range(len(unique_centroids))}
return new_centroids
#test function on:
x, y = datasets.make_blobs(n_samples=300, n_features = 2, centers=[[0, 7], [0, -7], [5,7], [5, 0]])
centroids = initialize_centroids(x)
new_centroids = update_centroids(x, centroids, radius = 2)
print(len(centroids))
print()
print(len(new_centroids))
#code for plotting initially:
plt.scatter(x[:,0], x[:,1], color = 'k')
for i in range(len(new_centroids)):
plt.scatter(new_centroids[i][0], new_centroids[i][1], s=200, color = 'r', marker = "*")
#code for plotting updated centroids:
new_centroids = update_centroids(x, new_centroids, radius = 2)
plt.scatter(x[:,0], x[:,1], color = 'k')
for i in range(len(new_centroids)):
plt.scatter(new_centroids[i][0], new_centroids[i][1], s=200, color = 'r', marker = "*")
#code for iterations:
def iterate_to_conv(data, max_iter=100):
centroids = initialize_centroids(data)
iter_count = 0
while iter_count <= max_iter:
new_centroids = update_centroids(data, centroids, radius = 2)
centroids = new_centroids
iter_count += 1
return centroids
centroids = iterate_to_conv(x)
plt.scatter(x[:,0], x[:,1], color = 'k')
for i in range(len(centroids)):
plt.scatter(centroids[i][0], centroids[i][1], s=200, color = 'r', marker = "*")
该函数需要返回最终质心的数量。我还没有走得足够远,不知道mean-shift的整个实现如何与这个函数一起工作..
解决方案
当您运行该循环时:for i in centroids
通过质心迭代的 i 不是数字,而是一个向量,这就是弹出错误的原因。例如,第一个 i 值可能等于 [0 1 2 0 1 2 0 1 2]。因此,对此进行索引是没有意义的。你的代码要做的是取质心=质心[n1 n2 nk]。要修复它,您确实需要更改初始化质心函数的工作方式。Meshgrid 也不会创建 N 维网格,因此您的 meshgrid 可能适用于 2 维但不适用于 N。我希望这会有所帮助。
推荐阅读
- laravel - (laravel 5.7)这个请求有什么问题!验证已完成,但数据插入未按预期进行
- python - 如何使用多线程加速python中的下载过程
- pytorch - 如何将 LIME 与 PyTorch 集成?
- c - 如何读取配置文件,或在缺少配置文件时创建一个
- php - 数组在所有行上只听一次
- pug - 如何将哈巴狗链接与href链接
- python - 选择需要的项目和组(Python 2.7.15)
- javascript - 如何正确处理我的 REST API 路由
- java - 使用 maven 在 React 应用程序中打包 Spring Boot 应用程序
- c# - 如何更改 WPF 中标题栏的背景颜色?