求平均值时出现 ZeroDivisionError

Question

过去几天我一直在尝试编写自己的 k-mean 算法，但遇到了障碍。当我试图找到一个簇中点的平均位置来移动质心时，我会得到一个零除法错误（注意：这不会在 k = 2 时发生，只有在 k = 3 时才会发生，但总是当 k >= 4) 时发生。我试图通过确保每个质心从数据集中的一个点开始来解决这个问题，这样它在其集群中总是至少有一个点，但它没有工作。我也重新排列了计数器等，但同样，它没有用。我已经没有想法了，不知道为什么这个错误仍然会发生。我很确定问题来自这些功能之一（编辑：添加了所有代码和完整的错误消息）：

import random
import math
import matplotlib.pyplot as plt


class Kmeans:
    def __init__(self, K, dataset, centroids, sorting):
        self.K = K
        self.dataset = dataset
        self.centroids = centroids
        self.sorting = sorting

    def initializeCentroids(self):
        usedPoints = [random.choice(data_set)]
        self.centroids = []
        for q in range(self.K):
            pointSelected = False
            while not pointSelected:
                m = random.choice(data_set)
                print(m)
                print(usedPoints)
                distance = math.sqrt(abs(((m[0] - usedPoints[len(usedPoints) - 1][0]) ** 2) + (m[1] - usedPoints[len(usedPoints) - 1][1]) ** 2))
                if usedPoints.count(m) == 0 and distance > 50:
                    self.centroids.append(list(m))
                    usedPoints.append(m)
                    pointSelected = True
        return self.centroids

    def calcDistance(self):
        self.sorting = []
        for w in self.dataset:
            distances = []
            counter = -1
            for centr in self.centroids:
                counter += 1
                distances.append(math.sqrt(abs((((w[0] - centr[0]) ** 2) + (w[1] - centr[1]) ** 2))))
                for x in range(len(distances)):
                    if len(distances) > 1:
                        print(distances)
                        if distances[0] > distances[1]:
                            distances.pop(0)
                        else:
                            distances.pop(1)
                            counter -= 1
            print(counter)
            self.sorting.insert(0, [w, counter, distances[0]])
        return self.sorting
    # not done

    def find_ME(self):
        counter2 = 0
        for r in self.centroids:
            for t in self.sorting:
                nums = []
                if t[1] == counter2:
                    nums.append(t[2])
                    population = len(nums)
                    error = sum(nums) / population

    def reassignCentroids(self):
        counter3 = 0
        for r in self.centroids:

            positionsX = []
            positionsY = []
            for t in self.sorting:
                if t[1] == counter3:
                    positionsX.append(t[0][0])
                    positionsY.append(t[0][1])
            population = len(positionsY)
            print(population)
            print(self.sorting)
            r[0] = sum(positionsX) / population
            r[1] = sum(positionsY) / population
            counter3 += 1
        return self.centroids

    def checkSimilar(self, prevList):
        list1 = []
        list2 = []
        for u in prevList:
            list1.append(u[1])
        for i in self.sorting:
            list2.append(i[1])
            print(i)
        if list2 == list1:

            return True
        else:
            return False


k = 3
data_set = [(1, 1), (1, 2), (1, 3), (2, 3), (50, 52), (48, 50), (47, 60), (112, 90), (120, 100), (108, 130), (102, 121), (43, 51), (0, 1)]
attempt = Kmeans(k, data_set, [], [])

attempt.initializeCentroids()

xvals = []
yvals = []
sortCompare = []
maxIterations = 100000
# plots

for p in data_set:
    xvals.append(p[0])
    yvals.append(p[1])


running = True
zeroError = True

while running:
    attempt.calcDistance()
    sortCompare = attempt.sorting
    print(sortCompare, "thisss")
    attempt.reassignCentroids()
    attempt.calcDistance()
    attempt.reassignCentroids()
    boolVal = attempt.checkSimilar(sortCompare)
    if boolVal or maxIterations <= 0:
        xs = []
        ys = []
        for y in attempt.centroids:
            xs.append(y[0])
            ys.append(y[1])
        plt.scatter(xs, ys)
        running = False
    else:
        sortCompare = []

    maxIterations -= 1
    print(attempt.sorting)
print(attempt.centroids)
plt.scatter(xvals, yvals)
plt.show()

完全错误：回溯（最后一次调用）： 文件“C:/Users/Jack Cramer/PycharmProjects/kmeans/main.py”，第 117 行，在 尝试.reassignCentroids() 文件“C:/Users/Jack Cramer/PycharmProjects/kmeans/main.py”，第 73 行，在 reassignCentroids r[0] = sum(positionsX) / 人口 ZeroDivisionError: 除以零

如果您知道为什么会发生这种情况，请告诉我，感谢您的建议。

Answer 1

正如@thierry-lathuille 指出的那样，当您除以population（为零）时，reassignCentroids 会出现错误。 population设置为positionsY的长度，所以我们需要看看哪些场景导致positionsY没有元素。

positionsY 将其值附加到值t in self.sorting 的循环内。仅当 counter3（范围从 0 到 K-1）匹配 t[1] 时才附加一个值。因此，如果存在 counter3 的值，而 t[1] 值都不相等，我们将收到错误消息。为了帮助调试，我在循环中添加了一些打印语句

            print(f"{counter3=}")
            for t in self.sorting:
                print(f"{t[1]=}")
                if t[1] == counter3:
                    positionsX.append(t[0][0])
                    positionsY.append(t[0][1])

用k=2 运行几次，我看到t[1] 是0 或1，不会崩溃，如你所见。但是，上升到k=3，有时我得到t[1] 等于0、1 或2，但有时它只等于0 或1。这意味着将没有匹配项，您将除以零。上升到 k=4，我们应该得到 t[1] 等于 0、1、2 或 3，但在多次重新启动后我看不到任何 3。

从上下文来看，我猜t[1] 代表给定数据点最接近的集群。从您的输入中，可以看出有三组点 所以你的代码自然有三个预测的集群趋向于它们应该在的地方，所以如果你试图预测 4 个集群，你总是会崩溃。如果您只尝试预测 3 个集群，您可能会很不走运，并且您的预测集群之一并不是最接近任何点。即使k=2 在某些初始化过程中出错，我也不会感到惊讶，但在实践中一定很少见。

我认为您需要首先问自己，当k 高于实际的集群数时，您希望看到什么行为。其次，您需要确定在没有数据点最接近集群时如何更新集群的位置。如果population == 0，一个快速的解决方法是什么都不做，尽管这可能不会给出你想要的行为。