You need to enable JavaScript to run this app. 如何在TensorFlow 2中实现基于欧氏距离的3维数据K-means聚类
优惠活动
大模型
产品
解决方案
定价
更多

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:
    # 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)
    
    也可以替换为K-means++初始化逻辑降低随机初始化的偏差。
  • 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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.20 05:54:03