k-は、Pythonでクラスタリングが正しくないことを意味します。

Question

k-meansを使用してデータセットをクラスタ化しようとしています。アルゴリズムを1回だけ実行すると、ランダムクラスタが返されますが、複数の繰り返しを試すと0だけが返されます。私が使用している行列は、50k x 140の2進行列です。各行はユーザーを表し、各列は項目を表します。

def clusterizator(matriz, nDeClusters, it=10): # matrix, number of clusters, number of iterations 

    nOfLines = matriz.shape[0] # number of lines (users) 
    nOfColumns = matriz.shape[1] # number of columns (items) 
    clusterCurrently = np.zeros((nOfLines, 1)) # currently cluster assigned to each user 
    listOfCurrentlyAssigneds = [] # list with numberOfClusters size, each element is a list of currently elements assigned to this cluster 
    clusterCentroid = [] # centroid of each cluster 

    clusterCentroid = np.random.randint(2, size=(nDeClusters, nOfColumns)) # starts with randoms centroids 

    for repeat in xrange(it): # number of iterations 
     listOfCurrentlyAssigneds = [[] for i in xrange(nDeClusters)] # create empty lists for each cluster 

     for i in xrange(nOfLines): # for each user 
      closestCentroid = clusterMaisProximo(matriz[i], clusterCentroid) # calculates the closest centroid 
      clusterCurrently[i] = closestCentroid       # assign the user to closest centroid 
      listOfCurrentlyAssigneds[closestCentroid].append(matriz[i])  # put user on that centroid list 

     for i in xrange(nDeClusters): # for each cluster 
      if listOfCurrentlyAssigneds[i] != []: # if the list is not empty 
       clusterCentroid[i] = centeroidnp(listOfCurrentlyAssigneds[i]) # calculates the new centroid 




    return clusterCurrently # return 1-column matrix with user x cluster 

def distanciaEucl(elemento1, elemento2): 
    return np.linalg.norm(elemento2-elemento1) #calculates the distance between to items (or one user and one cluster) 



def clusterMaisProximo(elemento, listaDeClusters): # receive one user and the cluster's centroids list, return the closest one 
    closest = 0 
    closestDist = distanciaEucl(elemento, listaDeClusters[0]) # starts with the cluster[0] 

    for i in xrange(len(listaDeClusters)-1): # for each cluster 
     dist = distanciaEucl(elemento, listaDeClusters[i+1]) # get the distance to currently cluster's centroid 
     if dist < closestDist: # if it is closer to the element 
      closest = i+1 # update new closest element 
      closestDist = dist # update new closest distance 

    return closest # return closest 

# from https://stackoverflow.com/questions/23020659/fastest-way-to-calculate-the-centroid-of-a-set-of-coordinate-tuples-in-python-wi 
# by Retozi (adapted) 
def centeroidnp(lista): # get a list of elements (number of elements x items) 
    shape = list(lista[0].shape) 
    shape[:0] = [len(lista)] 
    arr = np.concatenate(lista).reshape(shape) # get an array from the list 
    length = arr.shape[0] 
    somas = np.zeros(arr.shape[1]) 
    for i in xrange(arr.shape[1]): # for each item (dimension) 
     somas[i] = (np.sum(arr[:, i]))/length # sum all elements and divide by number of elements 
    return somas # return array that will be the new centroid position 

私はその後、私はそれがより明確にするために翻訳され、最初に私の変数はポルトガル語で書かれていたので、いくつかのコメントはダムあり、各行が何をしているかを明らかにすることを試みるためにすべてをコメントしました。

私はこのようにそれを実行している：

clust = clusterizator(train, 10, 2) 

例行列：

train = [[0, 1, 1, 0], [1, 0, 0, 0], [0, 1, 1, 1], [1, 0, 0, 1], [1, 0, 0, 0]] 

Answer 1

私の推測では、整数の除算の問題を抱えているということです。

新しい重心を見てください。それらはおそらくすべてゼロですか？ これは、プログラミング（Python 3を除く）では整数計算のために1/2 = 0であるためです。

このアルゴリズムは、kNNではなくk-meansと呼ばれます。各点のk最近傍点を使用するのではなく、最も近い1中心点を使用します。