-
Notifications
You must be signed in to change notification settings - Fork 0
/
k_means.py
160 lines (127 loc) · 6.07 KB
/
k_means.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data = pd.read_excel("sample_not.xlsx", sheet_name="Sheet2")
data_frame = pd.DataFrame(data)
st_array = np.matrix(data_frame)
def merkez_bulma(st_array,k):
merkez_index = []
merkez = []
aralik = (len(st_array)//(k+1))
first = aralik
for key in range(0,k):
merkez_index.append(first-1)
first = first + aralik
for key in range(0,k):
merkez.append(st_array[merkez_index[key]])
return merkez
def k_means(st_array):
iteration = []
sonuc = []
wcss = []
siluet_score = []
cluster_column = np.zeros((100,1), dtype="int64")
st_array = np.append(st_array, cluster_column, axis=1)
for k in range(2,10): # Her k değeri için algoritma tekrar çalışacak.
sayac = 0
st_array_cpy = np.copy(st_array)
cluster = []
merkez = merkez_bulma(st_array[:,1:4],k)
while True: # Kümeler oluşana kadar devam edecek.
sayac = sayac + 1 # Kaçıncı iterasyonda kümelerin oluştuğunu gözlemlemek için
temp = [] # Noktanın hangi kümeye dahilse o kümenin indexini buraya atacağım.
for indis in range(0,100):
mesafe = [] # Noktanın tüm merkezlere olan mesafesini ekleyeceğim. Her nokta için güncellenecek.
# En yakın merkezi bulup noktayı o kümeye dahil ediyorum.
# k tane merkez var, en yakını bulup o merkezin indisini küme numarası olarak atıyorum.
for i in range(0,k):
dist = np.linalg.norm(st_array_cpy[indis, 1:4] - merkez[i])
mesafe.append(dist)
# Mesafelerden en yakınını burada buluyorum ve küme index numaralarını içerden listeye ekliyorum.
temp.append(mesafe.index(min(mesafe)))
# Her noktasının kümesini bulduktan sonra bu küme indexlerini verilere ekliyorum.
st_array_cpy[:,4] = np.matrix(temp)
if temp == cluster: # Önceki iterasyon sonundaki küme numaraları ile şimdiki küme numaraları aynı ise;
# Veriler kümelerine ayrılmıştır, k değeri için silüet puanı ve wcss değerini hesaplayalım.
# Her farklı k değeri için farklı şekilde kümelerine ayrılmış verileri sonuc listesine ekleyelim.
sonuc.append((k,st_array_cpy))
wcss.append((k,elbow(st_array_cpy)))
siluet_score.append((k,silhouette(st_array_cpy,merkez)))
iteration.append((k,sayac))
break
cluster = temp
# Yeni iterasyona başlamadan merkezleri kümelerin yeni ağırlık merkezlerine taşıyoruz.
for j in range(0,k):
temp_df = pd.DataFrame(st_array_cpy)
temp_mt = np.matrix(temp_df[temp_df[4]==j])
merkez[j] = np.mean(temp_mt, axis=0)[:,1:4] #Burada küme numarasını temsil eden son kolonu koordinatlara dahil etmiyoruz.
return (sonuc,wcss,siluet_score,iteration)
def elbow(st_array):
sum = 0
for i in range(0,len(st_array)):
for j in range(0,len(st_array)):
if st_array[i,4] == st_array[j,4]:
dist = np.linalg.norm(st_array[i, 1:4] - st_array[j, 1:4]) # Küme numarası içeren kolonu uzaklığa dahil etmiyoruz, dikkat!
sum += dist**2
return sum
def silhouette(st_array,merkez):
s=[]
for i in range(0,len(st_array)): # Tüm noktalar sırayla.
sayac_a=0; sayac_b=0
a=0; b=0
temp_merkez = merkez[:]
# Aynı küme içindeki benzerlik için
for j in range(0,len(st_array)):
if (st_array[i,4] == st_array[j,4]):
sayac_a += 1 # Aynı kümedeki eleman sayısını bulmak için bir sayaç kullandım.
dist_a = np.linalg.norm(st_array[i, 1:4] - st_array[j, 1:4])
a += dist_a
a = a / (sayac_a-1)
# Kendisine en yakın küme içindeki verilerle benzerliği için
# Kendi kümesi dışında en yakın merkezi bulmalıyız.
mesafe = []
temp_merkez.pop(st_array[i,4]) # İncelediğimiz i noktasının dahil olduğu kümenin merkezini merkez listesinden çıkardım.
temp_index = st_array[i,4] # İncelediğimiz i noktasının dahil olduğu kümenin merkezini merkez listesinden çıkardım.
for m in range(0,len(temp_merkez)):
uzaklik = np.linalg.norm(st_array[i, 1:4] - temp_merkez[m])
mesafe.append(uzaklik) # Diğer merkezlere olan mesafesini ekledim.
if mesafe.index(min(mesafe)) < temp_index:
get_index = mesafe.index(min(mesafe))
else:
get_index = mesafe.index(min(mesafe)) + 1
for j in range(0,len(st_array)):
if (st_array[j,4] == get_index):
sayac_b += 1 # Bu kümedeki eleman sayısını bulmak için bir sayaç kullandım.
dist_b = np.linalg.norm(st_array[i, 1:4] - st_array[j, 1:4])
b += dist_b
b = b / sayac_b
s.append((b-a)/max(a,b))
return (sum(s)/len(st_array))
k_means(st_array)
# Mat notlarına göre sıralanıp seçilen noktalar eş parçalara böler.
# Mesela k=3 için seçilen noktalar m1=25 , m2=50, m3=75 gibi...
tum_sonuclar = k_means(st_array)
sonuc = tum_sonuclar[0]
wcss = tum_sonuclar[1]
print()
siluet_score = tum_sonuclar[2]
iteration = tum_sonuclar[3]
clusters = []
wcss_point = []
siluet_point = []
for key in wcss:
clusters.append(key[0])
wcss_point.append(key[1])
for key in siluet_score:
siluet_point.append(key[1])
#############################
plt.plot(clusters, wcss_point)
plt.title('WCSS Point According To k')
plt.xlabel('k')
plt.ylabel('WCSS Point')
plt.show()
plt.plot(clusters, siluet_point)
plt.title('Silhouette Score According To k')
plt.xlabel('k')
plt.ylabel('Silhouette Point')
plt.show()