假设自由高效种子
afkmc2的Python项目详细描述
无假设Kmeans蒙特卡罗
这个包包含各种k-means种子算法的sklearn兼容python实现。
该软件包的灵感来自于在
Fast and Provably Good Seedings for k-MeansOlivier Bachem, Mario Lucic, S. Hamed Hassani and Andreas KrauseIn Neural Information Processing Systems (NIPS), 2016.
该算法使用monte carlo-markov链为k means快速找到好的种子,并在运行时改进了常用的k-means++算法。
使用量
使用此软件包在sklearn中为kmeans获取种子非常简单:
import afkmc2 X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]]) seeds = afkmc2.afkmc2(X, 2) from sklearn.custer import KMeans model = KMeans(n_clusters=2, init=seeds).fit(X) print model.cluster_centers_
安装
通过运行快速安装afkmc2(即将推出):
pip install afkmc2
支持
你可以通过https://adriangoe.me/联系我。
许可证
这个项目是根据麻省理工学院的许可证授权的。