python - 在Python中无法解决kmeans和kmeans2集群问题

我有一个关于scipy'skmeans和kmeans2的问题。我有一组1700个拉长数据点我想把它们在空间上分为100个簇然而，当使用kmeans与kmeans2时，我得到了截然不同的结果。你能解释一下为什么吗？我的代码在下面。
首先，我加载数据并绘制坐标一切看起来都是对的。

import pandas as pd, numpy as np, matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans, kmeans2, whiten

df = pd.read_csv('data.csv')
df.head()

coordinates = df.as_matrix(columns=['lon', 'lat'])
plt.figure(figsize=(10, 6), dpi=100)
plt.scatter(coordinates[:,0], coordinates[:,1], c='c', s=100)
plt.show()

接下来，我将数据变白并运行kmeans()和kmeans2()。当我从“CCC”中绘制质心时，它看起来是正确的，即大约100个点，或多或少代表了完整的1700点数据集的位置。

N = len(coordinates)
w = whiten(coordinates)
k = 100
i = 20

cluster_centroids1, distortion = kmeans(w, k, iter=i)
cluster_centroids2, closest_centroids = kmeans2(w, k, iter=i)

plt.figure(figsize=(10, 6), dpi=100)
plt.scatter(cluster_centroids1[:,0], cluster_centroids1[:,1], c='r', s=100)
plt.show()

然而，当我下一次绘制kmeans()的质心时，它看起来完全不稳定我希望kmeans2()和kmeans的结果相当相似，但它们完全不同虽然kmeans2的结果看起来只是代表我的完整数据集，但kmeans的结果看起来几乎是随机的。

plt.figure(figsize=(10, 6), dpi=100)
plt.scatter(cluster_centroids2[:,0], cluster_centroids2[:,1], c='r', s=100)
plt.show()

下面是k和n的值，以及kmeans2和kmeans()产生的数组大小：

print 'k =', k
print 'N =', N
print len(cluster_centroids1)
print len(cluster_centroids2)
print len(closest_centroids)
print len(np.unique(closest_centroids))

输出：

为什么kmeans2()不等于len(cluster_centroids1)？
k等于len(closest_centroids)，这似乎是正确的。但为什么N不等于len(np.unique(closest_centroids))？
k等于len(cluster_centroids2)，但同样，绘制时，k似乎不像cluster_centroids2那样表示原始数据集。
最后，我绘制了完整的坐标数据集，并用集群着色。

plt.figure(figsize=(10, 6), dpi=100)
plt.scatter(coordinates[:,0], coordinates[:,1], c=closest_centroids, s=100)
plt.show()

你可以在这里看到：

最佳答案

谢谢你的好问题与样本代码和图像！这是一个很好的新手问题。
通过仔细阅读这些文档，大部分的特性都可以解决。有几件事：
比较原始点集和生成的簇中心时，应尝试在相同的图中以相同的维度绘制它们（即，在结果中w）例如，如您所做的，用大点绘制簇中心，用小点绘制原始数据。
kmeans和kmeans2从不同的情况开始kmeans2从点的随机分布开始，由于数据分布不均匀，kmeans2收敛到非理想结果您可以尝试添加关键字minit='points'并查看结果是否更改。
由于初始质心的选择是一个错误的选择，只有17个初始100质心实际上有任何属于它们的点（这与图的随机外观密切相关）。
似乎kmeans中的一些质心可能会相互塌陷，如果这给出最小的失真。（这似乎没有记录在案）因此你只能得到96个质心。