From 23395b0335ec836a652034d97aae51cda86deea0 Mon Sep 17 00:00:00 2001
From: "thibault.capt" <thibault.capt@etu.hesge.ch>
Date: Thu, 28 Sep 2023 10:19:18 +0200
Subject: [PATCH] update
---
main.py | 92 +++++++++++++++++++++++++++++++++------------------------
1 file changed, 53 insertions(+), 39 deletions(-)
diff --git a/main.py b/main.py
index e421229..7c39f34 100644
--- a/main.py
+++ b/main.py
@@ -3,60 +3,50 @@ import numpy as np
import matplotlib.pyplot as plt
-def import_csv(filename: str, h: int = None) -> pd.DataFrame:
- """
- Imports a CSV file and returns a pandas DataFrame.
+def import_csv(filename: str):
+ return pd.read_csv(filename, header=None)
- Args:
- filename (str): The path to the CSV file.
- h (int or list of int, default 0): The row(s) to use as the column names.
- Returns:
- pandas.DataFrame: The imported data as a DataFrame.
- """
- return pd.read_csv(filename, header=h)
+def manhattan_distance(x1, x2):
+ return np.sum(np.abs(x1 - x2))
-def euclidian_distance(x1, x2):
- return np.sqrt(np.sum((x1 - x2) ** 2))
+def assign_clusters(X, centroids):
+ distances = np.array([[manhattan_distance(x, centroid) for centroid in centroids] for x in X])
+ return np.argmin(distances, axis=1)
-if __name__ == "__main__":
- df = import_csv("Data/iris.csv")
- # Sélectionner les caractéristiques (colonnes) que vous voulez utiliser pour le clustering
- X = df.iloc[:, :-1].values # Sélectionner toutes les colonnes sauf la dernière (caratéristique)
- k = 3 # Nombre de clusters
-
- # Initialisation des k-centroïdes de manière aleatoire
+def k_means(X, k, max_iterations=100):
+ # Initialisation des k-centroïdes de manière aléatoire
np.random.seed(0)
centroids = X[np.random.choice(X.shape[0], k, replace=False)]
- # Initialisation des variables pour stocker les anciens et nouveaux centroïdes
old_centroids = np.zeros(centroids.shape)
new_centroids = centroids.copy()
- # Initialisation d'une liste pour stocker la somme des distances au sein de chaque cluster à chaque itération
- distances = []
+ distances_history = [] # Pour stocker la somme des distances à chaque itération
iteration = 0
- while not np.array_equal(old_centroids, new_centroids):
+ while not np.array_equal(old_centroids, new_centroids) and iteration < max_iterations:
iteration += 1
- distances_to_centroids = np.array([[euclidian_distance(x, centroid) for centroid in new_centroids] for x in X])
- # Attribution des points aux centroïdes les plus proches
- labels = np.argmin(distances_to_centroids, axis=1)
+ labels = assign_clusters(X, new_centroids)
+
+ old_centroids = new_centroids.copy()
- # Calcul des nouveaux centroïdes comme la moyenne des points de chaque cluster
for i in range(k):
new_centroids[i] = np.mean(X[labels == i], axis=0)
- # Calcul des distances au sein de chaque cluster
- cluster_distances = [np.sum([euclidian_distance(X[j], new_centroids[i])
- for j in range(len(X)) if labels[j] == i]) for i in range(k)]
- total_distance = np.sum(cluster_distances)
- distances.append(total_distance)
+ # Calcul de la somme des distances au sein de chaque cluster (fonction objectif)
+ total_distance = 0
+ for i in range(k):
+ cluster_points = X[labels == i]
+ cluster_distance = np.sum([manhattan_distance(point, new_centroids[i]) for point in cluster_points])
+ total_distance += cluster_distance
- # Affichage des clusters à cette iteration
+ distances_history.append(total_distance)
+
+ # Affichage des clusters à cette itération
plt.figure(figsize=(8, 6))
for i in range(k):
cluster_points = X[labels == i]
@@ -68,12 +58,36 @@ if __name__ == "__main__":
plt.title(f"Iteration {iteration}")
plt.show()
- # Mettre à jour les anciens et les nouveaux centroïdes
- old_centroids = new_centroids.copy()
-
+ # Tracer la somme des distances à chaque itération
plt.figure(figsize=(8, 6))
- plt.plot(range(1, iteration + 1), distances, marker='o')
+ plt.plot(range(1, iteration + 1), distances_history, marker='o')
plt.xlabel("Iteration")
- plt.ylabel("Somme des distances au carré")
- plt.title("Evolution de la somme des distances au carré")
+ plt.ylabel("Somme des distances")
+ plt.title("Evolution de la somme des distances")
plt.show()
+
+ return labels, new_centroids
+
+
+if __name__ == "__main__":
+ # Initialiser k-centroides
+ # attribuer les points aux centroïde le plus proche (Manhattan / L2)
+ # Tant que les centroïdes bougent :
+ # Pour chaque cluster, calculer le point central du cluster (moyenne des coordonnées)
+ # noter si ancien centroïde ~= nouveau centroïde
+ # attribution des points aux nouveaux centroïdes
+ # calcul de la somme des distances au sein d'un cluster
+ # fonction objectif à minimiser
+ # plot la somme de la somme des distances à chaque itération
+ # afficher les nouveaux cluster à chaque itérations
+
+ # Charger les données depuis le fichier CSV
+ df = import_csv("Data/iris.csv")
+ X = df.iloc[:, :-1].values
+
+ k = 3
+
+ labels, centroids = k_means(X, k)
+
+ print("Nouveaux centroïdes finaux:")
+ print(centroids)
--
GitLab