تعلم الآلة · Machine Learning
خوارزمية K-Means من الصفر
K-Means from Scratch
تجميع نقاط في عنقودين بالتناوب بين الإسناد وتحديث المراكز.
X = [1 1; 1.5 1.8; 1 2; 5 5; 5.5 6; 6 5.2; 0.8 1.2];
C = X([1 4], :);
for it = 1:20
D = [sum((X - C(1,:)).^2, 2) sum((X - C(2,:)).^2, 2)];
[dmin, lbl] = min(D, [], 2);
Cn = [mean(X(lbl == 1, :), 1); mean(X(lbl == 2, :), 1)];
if isequal(Cn, C), break; end
C = Cn;
end
fprintf('iterations: %d\n', it);
fprintf('labels: %s\n', mat2str(lbl'));
fprintf('centroids: %s\n', mat2str(C, 4));
fprintf('inertia: %.4f\n', sum(dmin));شرح الخطوات
- ابدأ بمراكز أولية (هنا نقطتان ثابتتان لتكرار النتيجة).
- أسند كل نقطة لأقرب مركز.
- حدّث المراكز بمتوسطات العناقيد حتى لا تتغير.
المخرجات المتوقعة
iterations: 2 labels: [1 1 1 2 2 2 1] centroids: [1.075 1.5;5.5 5.4] inertia: 2.0075
شُغّل هذا الكود في GNU Octave 8.4 أثناء إعداد المكتبة والمخرجات المعروضة ناتجه الفعلي. لم يُختبر في MATLAB نفسه، لكنه يستخدم دوال MATLAB الأساسية فقط والطباعة بـ fprintf/disp.
