如何在TensorFlow 2中实现基于欧氏距离的3维数据K-means聚类
TensorFlow 2 下实现指定配置K-means的操作方法
你的需求对应参数为:1600个3维样本、簇数=10、距离度量=欧氏距离,具体实现流程如下:
1. 数据集格式预处理
- 首先确保输入张量的形状符合计算要求:将原始1600个3维样本转换为
tf.float32类型的二维张量,形状为(1600, 3),这是TensorFlow运算的最优精度格式。 - 由于采用欧氏距离作为度量,必须对每个维度的特征做标准化(z-score或Min-Max缩放),避免不同维度的量纲差异主导距离计算结果。
- 模拟测试用的数据集初始化代码可写为:
import tensorflow as tf # 生成和你规模一致的模拟3维数据集 dataset = tf.random.normal(shape=(1600, 3), dtype=tf.float32)
2. 核心聚类逻辑实现(匹配欧氏距离要求)
整个计算逻辑完全基于TensorFlow张量运算实现,无需额外依赖其他聚类库:
- 初始化簇心:从1600个样本中随机抽取10个样本作为初始簇心,初始化后的簇心张量形状为
(10, 3),初始化代码为:
也可以替换为K-means++初始化逻辑降低随机初始化的偏差。# 随机选10个样本索引 init_indices = tf.random.uniform(shape=(10,), maxval=1600, dtype=tf.int32) centroids = tf.gather(dataset, indices=init_indices) - 欧氏距离计算:利用TensorFlow的广播机制,批量计算所有样本到10个簇心的欧氏距离,最终得到形状为
(1600, 10)的距离矩阵,每一行对应单个样本到所有簇心的欧氏距离值,计算代码为:# 广播维度适配:样本扩为(1600, 1, 3),簇心扩为(1, 10, 3) diff = tf.expand_dims(dataset, axis=1) - tf.expand_dims(centroids, axis=0) # 欧氏距离:平方差求和后开根 distances = tf.sqrt(tf.reduce_sum(tf.square(diff), axis=-1)) - 簇标签分配:对每个样本,选取距离最小的簇作为所属簇,得到形状为
(1600,)的簇标签数组:cluster_assignments = tf.argmin(distances, axis=1) - 簇心更新:遍历10个簇,对每个簇下的所有样本取坐标平均值,作为该簇的新簇心。需要补充空簇处理逻辑:如果某个簇没有分配到样本,就选取当前离所有簇心最远的样本作为该簇的新中心,避免出现空值。对应实现代码为:
new_centroids = [] for cluster_id in range(10): cluster_samples = dataset[cluster_assignments == cluster_id] # 空簇处理 if tf.shape(cluster_samples)[0] == 0: min_dist_to_centroid = tf.reduce_min(distances, axis=1) farthest_idx = tf.argmax(min_dist_to_centroid) new_centroids.append(dataset[farthest_idx]) else: new_centroids.append(tf.reduce_mean(cluster_samples, axis=0)) new_centroids = tf.stack(new_centroids, axis=0)
3. 迭代收敛逻辑
设置两个停止迭代的判定条件,满足任意一个即可退出循环:
- 达到最大迭代次数(通常设为100次足够小数据集收敛)
- 相邻两轮迭代的簇心平均位置偏移小于设定阈值(通常设为1e-4)
核心迭代框架代码为:
max_iter = 100 tolerance = 1e-4 for _ in range(max_iter): # 嵌入上述距离计算、簇分配、簇心更新逻辑 # 计算本轮簇心和上一轮的偏移量 centroid_shift = tf.reduce_mean(tf.abs(new_centroids - old_centroids)) old_centroids = new_centroids if centroid_shift < tolerance: break
4. 结果校验
- 最终输出的簇标签长度为1600,共包含0-9共10个独立簇标签,可通过
tf.unique_with_counts(cluster_assignments)查看每个簇的样本量,确认无空簇、无所有样本被归为同一簇的异常情况。 - 由于整个距离计算流程严格采用欧氏距离公式实现,没有引入其他距离度量,完全匹配你的需求。
内容的提问来源于stack exchange,提问作者K.N
相关产品推荐
相关产品推荐

