机器学习-聚类(学习向量量化算法)

一，介绍

算法主要步骤包括：初始化原型向量；迭代优化，更新原型向量。

流程如下：

具体来说，主要是：
1、对原型向量初始化，可以选择满足yj=tj,j∈{1,2,…,m}yj=tj,j∈{1,2,…,m}条件的某个样本 xj=(xj1,xj2,…,xjn)xj=(xj1,xj2,…,xjn)作为 qjqj的初始值；
2、从数据集DD 中任意选择一个样本 xjxj，找到与此样本距离最近的原型向量，假设为qiqi ；
3、如果xjxj的标记yjyj 与qiqi的标记titi相等，即 yj=ti，yj=ti，则令：

机器学习-聚类(学习向量量化算法)

否则：

机器学习-聚类(学习向量量化算法)

4、更新原型向量：

机器学习-聚类(学习向量量化算法)

5、判断是否达到最大迭代次数或者原型向量更新幅度小于某个阈值。如果是，则停止迭代，输出原型向量；否则，转至步骤2。
其中步骤3和4的物理意义是：如果xjxj和最近的原型向量qiqi具有同样的类别标记，则令 qiqi向 xjxj的方向靠拢，且:

机器学习-聚类(学习向量量化算法)

否则，qiqi 远离 xjxj，且

机器学习-聚类(学习向量量化算法)

二，代码实现

import matplotlib.pyplot as plt
import numpy as np
import math
import random

def loadDataSet(filename):
    fr = open(filename)
    numberOfLines = len(fr.readlines())
    returnMat = np.zeros((numberOfLines, 2))
    classLabelVector = []
    fr = open(filename)
    index = 0
    for line in fr.readlines():
        line = line.strip().split(',')
        returnMat[index, :] = line[0:2]
        classLabelVector.append(line[-1])
        index += 1
    return returnMat, classLabelVector

# 欧几里得距离
def edistance(v1, v2):
    result=0.0
    for i in range(len(v1)):
        result +=(v1[i]-v2[i])**2
    return math.sqrt(result)

# 学习向量量化算法
def lvq(dataMat, labelMat,alpha=0.1,times=500):
    classify = set(labelMat)
    randinfo = [random.randint(0,14),random.randint(15,30)]
    clusters = [dataMat[randinfo[i]] for i in range(len(randinfo))]  # 随机选取k个值作为聚类中心

    while times > 0:              # 迭代次数
        n = random.randint(0,29)
        d=np.array([edistance(clusters[i], dataMat[n]) for i in range(len(clusters))],dtype='float') # 获取和各个聚类中心距离
        index = np.argmin(d)
        if(labelMat[n]==labelMat[randinfo[index]]):                                                # 同类靠近
            clusters[index]=clusters[index]+alpha*(dataMat[n]-clusters[index])
            print("同类：",alpha*(dataMat[n]-clusters[index]))
        else:                                                                                      # 异类远离
            clusters[index] = clusters[index] - alpha * (dataMat[n] - clusters[index])
            print("异类：", alpha * (dataMat[n] - clusters[index]))
        times-=1
        print("中心点：%s",(clusters))
    return clusters

def plot(dataMat, labelMat,clusters):
    xcord = [];ycord = []
    sumx1 = 0.0;sumy1 = 0.0;sumx2 = 0.0;sumy2 = 0.0
    midx = [];midy = []
    for i in range(len(dataMat)):
        xcord.append(float(dataMat[i][0]));ycord.append(float(dataMat[i][1]))
    for i in range(len(labelMat)):
        if(labelMat[i]=="1"):
            plt.scatter(xcord[i], ycord[i], color='red')
        else:
            plt.scatter(xcord[i], ycord[i], color='black')
    for c in clusters:
        plt.scatter(c[0], c[1], marker='+', color='blue')
    for j in range(len(labelMat)):
        if (labelMat[j] == "1"):
            sumx1+=xcord[j]
            sumy1+=ycord[j]
        else:
            sumx2 += xcord[j]
            sumy2 += ycord[j]
    midx.append(sumx1 / 17)
    midx.append(sumx2 / 17)
    midy.append(sumy1 / 13)
    midy.append(sumy2 / 13)
    plt.scatter(midx, midy, marker='*',color='green')
    plt.show()

if __name__=='__main__':
    dataMat, labelMat = loadDataSet('watermelon4.1.txt')
    clusters = lvq(dataMat, labelMat)
    plot(dataMat, labelMat,clusters)

结果如下：

机器学习-聚类(学习向量量化算法)