Sklearn：每个簇的质心的平均距离

我怎样才能找到从质心到每个簇中所有数据点的平均距离。我能够从每个群集的质心找到每个点（在我的数据集中）的欧氏距离。现在我想查找从质心到每个群集中所有数据点的平均距离。从每个质心计算平均距离的好方法是什么？到目前为止，我已经做到了这一点..Sklearn：每个簇的质心的平均距离

def k_means(self): 
    data = pd.read_csv('hdl_gps_APPLE_20111220_130416.csv', delimiter=',') 
    combined_data = data.iloc[0:, 0:4].dropna() 
    #print combined_data 
    array_convt = combined_data.values 
    #print array_convt 
    combined_data.head() 


    t_data=PCA(n_components=2).fit_transform(array_convt) 
    #print t_data 
    k_means=KMeans() 
    k_means.fit(t_data) 
    #------------k means fit predict method for testing purpose----------------- 
    clusters=k_means.fit_predict(t_data) 
    #print clusters.shape 
    cluster_0=np.where(clusters==0) 
    print cluster_0 

    X_cluster_0 = t_data[cluster_0] 
    #print X_cluster_0 


    distance = euclidean(X_cluster_0[0], k_means.cluster_centers_[0]) 
    print distance 


    classified_data = k_means.labels_ 
    #print ('all rows forst column........') 
    x_min = t_data[:, 0].min() - 5 
    x_max = t_data[:, 0].max() - 1 
    #print ('min is ') 
    #print x_min 
    #print ('max is ') 
    #print x_max 

    df_processed = data.copy() 
    df_processed['Cluster Class'] = pd.Series(classified_data, index=df_processed.index) 
    #print df_processed 

    y_min, y_max = t_data[:, 1].min(), t_data[:, 1].max() + 5 
    xx, yy = np.meshgrid(np.arange(x_min, x_max, 1), np.arange(y_min, y_max, 1)) 

    #print ('the mesh grid is: ') 

    #print xx 
    Z = k_means.predict(np.c_[xx.ravel(), yy.ravel()]) 
    Z = Z.reshape(xx.shape) 

    plt.figure(1) 
    plt.clf() 
    plt.imshow(Z, interpolation='nearest', 
       extent=(xx.min(), xx.max(), yy.min(), yy.max()), 
       cmap=plt.cm.Paired, 
       aspect='auto', origin='lower') 


    #print Z 


    plt.plot(t_data[:, 0], t_data[:, 1], 'k.', markersize=20) 
    centroids = k_means.cluster_centers_ 
    inert = k_means.inertia_ 
    plt.scatter(centroids[:, 0], centroids[:, 1], 
       marker='x', s=169, linewidths=3, 
       color='w', zorder=8) 
    plt.xlim(x_min, x_max) 
    plt.ylim(y_min, y_max) 
    plt.xticks(()) 
    plt.yticks(()) 
    plt.show()

总之我想从集群的重心计算特别是集群中的所有数据点的平均距离，因为我需要清理的基础上，我的数据这意味着距离

来源

2016-11-27 Rezwan

可以使用KMEANS的以下属性：

cluster_centers_ : array, [n_clusters, n_features]

对于每一个点，测试它属于什么ü集群唱predict(X)和之后，计算距离群集预测回报（它返回索引）。

来源

2016-11-27 14:39:17 Farseer

这会给我，我已经得到了每个集群的质心坐标，现在我需要计算在集群中的质心的所有数据点的平均距离。 – Rezwan

将所有距离计算为一个numpy数组。

然后用nparray.mean()来得到平均值。

来源

2016-11-27 20:25:39

这是一种方法。如果需要除欧几里得以外的另一个距离度量，则可以在函数k_mean_distance()中替换另一个距离度量。

计算每个分配的聚类和聚类中心的数据点之间的距离并返回平均值。

距离计算功能：

def k_mean_distance(data, cx, cy, i_centroid, cluster_labels): 
    # Calculate Euclidean distance for each data point assigned to centroid 
    distances = [np.sqrt((x-cx)**2+(y-cy)**2) for (x, y) in data[cluster_labels == i_centroid]] 
    # return the mean value 
    return np.mean(distances)

和每个质心，用函数来获得的平均距离：

total_distance = [] 
for i, (cx, cy) in enumerate(centroids): 
    # Function from above 
    mean_distance = k_mean_distance(data, cx, cy, i, cluster_labels) 
    total_dist.append(mean_distance)

所以，在你的问题的情况下：

def k_mean_distance(data, cx, cy, i_centroid, cluster_labels): 
     distances = [np.sqrt((x-cx)**2+(y-cy)**2) for (x, y) in data[cluster_labels == i_centroid]] 
     return np.mean(distances) 

t_data=PCA(n_components=2).fit_transform(array_convt) 
k_means=KMeans() 
clusters=k_means.fit_predict(t_data) 
centroids = km.cluster_centers_ 

c_mean_distances = [] 
for i, (cx, cy) in enumerate(centroids): 
    mean_distance = k_mean_distance(t_data, cx, cy, i, clusters) 
    c_mean_distances.append(mean_distance)

如果你打印结果plt.plot(c_mean_distances)你应该看到这样的事情：

来源

2017-07-28 22:11:03 alphaleonis

Sklearn：每个簇的质心的平均距离

回答

相关问题