مثال على التهيئة K-Means++#

مثال لإظار ناتج دالة sklearn.cluster.kmeans_plusplus لإنشاء بذور أولية للتجميع.

يتم استخدام K-Means++ كتهيئة افتراضية لـ K-means.

K-Means++ Initialization
# المؤلفون: مطوري سكايلرن
# معرف رخصة SPDX: BSD-3-Clause

import matplotlib.pyplot as plt

from sklearn.cluster import kmeans_plusplus
from sklearn.datasets import make_blobs

# توليد بيانات العينة
n_samples = 4000
n_components = 4

X, y_true = make_blobs(
    n_samples=n_samples, centers=n_components, cluster_std=0.60, random_state=0
)
X = X[:, ::-1]

# حساب البذور من k-means++
centers_init, indices = kmeans_plusplus(X, n_clusters=4, random_state=0)

# رسم البذور الأولية بجانب بيانات العينة
plt.figure(1)
colors = ["#4EACC5", "#FF9C34", "#4E9A06", "m"]

for k, col in enumerate(colors):
    cluster_data = y_true == k
    plt.scatter(X[cluster_data, 0], X[cluster_data, 1], c=col, marker=".", s=10)

plt.scatter(centers_init[:, 0], centers_init[:, 1], c="b", s=50)
plt.title("K-Means++ Initialization")
plt.xticks([])
plt.yticks([])
plt.show()

Total running time of the script: (0 minutes 0.068 seconds)

Related examples

sphx_glr_auto_examples_cluster_plot_bisect_kmeans.py

مقارنة الأداء بين خوارزمية K-Means العادية وخوارزمية Bisecting K-Means

مقارنة خوارزميات التجميع K-Means و MiniBatchKMeans

مقارنة خوارزميات التجميع K-Means و MiniBatchKMeans

طرق تهيئة نماذج الخلط الغاوسي

طرق تهيئة نماذج الخلط الغاوسي

تقييم تجريبي لتأثير تهيئة k-means

تقييم تجريبي لتأثير تهيئة k-means

Gallery generated by Sphinx-Gallery