为kmeans质心初始化查找numpy数组的边缘点

Question

我正在努力在 python 中实现 kmeans 算法。 我正在测试初始化​​我的质心的新方法，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，将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] 的边缘点。所以如果我的k是4，这些点就会被选中

在我正在处理的数据中，我的数据集中有 4 个和 9 个属性以及大约 300 个数据点

注意：当 k 边缘点时，我没有找到解决方案，但如果 k 是 > 边缘点，我想我会选择这 4 个点，然后尝试将其余的点放在图形的中心点周围

我还考虑为每列找到最大值和最小值，然后尝试从那里找到我的数据集的边缘，但我不知道从这些值中识别边缘的有效方法。

如果您认为这个想法行不通，我很想听听您的意见。

问题

1. numpy 有没有这样的功能来获取我的数据集边缘的数据点的索引？
2. 如果没有，我将如何在我的数据集中找到这些边缘点？

Answer 1

使用scipy 和成对距离来确定每个人与另一个人的距离：

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

然后，使用sqaureform将p向量变成矩阵形状：

s=squareform(pdist(input))

然后，使用 numpy argwhere 查找最大值或极端值的索引，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))]