examples/kmeans_example.py - master - LeonBlue/ML_algos_from_scratch_python

examples/kmeans_example.py

57 строк2 KB

LeonBlue

Добавлены Jupyter ноутбуки для теории и визуализации алгоритмов, обновлены зависимости в requirements.txt, улучшены классы KMeans и LogisticRegression с методами для получения и установки параметров модели.

07 дек 2025, 01:03

07 дек 2025, 01:0380e326c

"""
Пример использования K-Means кластеризации
"""

import numpy as np
import sys
import os

# Добавляем путь к корню проекта
sys.path.insert(0, os.path.abspath(os.path.join(os.path.dirname(__file__), '..')))

from ml_algorithms.unsupervised import KMeans


def main():
    # Генерация синтетических данных с тремя кластерами
    np.random.seed(42)
    n_samples_per_cluster = 50
    
    # Кластер 1
    cluster1 = np.random.randn(n_samples_per_cluster, 2) + np.array([0, 0])
    
    # Кластер 2
    cluster2 = np.random.randn(n_samples_per_cluster, 2) + np.array([5, 5])
    
    # Кластер 3
    cluster3 = np.random.randn(n_samples_per_cluster, 2) + np.array([0, 5])
    
    # Объединение данных
    X = np.vstack([cluster1, cluster2, cluster3])
    
    # Перемешивание
    indices = np.random.permutation(len(X))
    X = X[indices]
    
    # Обучение модели
    model = KMeans(n_clusters=3, max_iter=300, random_state=42, init='k-means++', distance='chebyshev')
    model.fit(X)
    
    # Предсказания
    labels = model.predict(X)
    
    print("K-Means кластеризация")
    print("=" * 50)
    print(f"Число кластеров: {model.n_clusters}")
    print(f"\nЦентроиды:")
    for i, centroid in enumerate(model.centroids_):
        print(f"  Кластер {i}: {centroid}")
    
    print(f"\nРаспределение точек по кластерам:")
    unique, counts = np.unique(labels, return_counts=True)
    for cluster_id, count in zip(unique, counts):
        print(f"  Кластер {cluster_id}: {count} точек")


if __name__ == "__main__":
    main()