Thắc Mắc Về Code Hiển Thị Dữ Liệu Trên đồ Thị (K-Means) Trang chủ » Np.asarray Là Gì » Thắc Mắc Về Code Hiển Thị Dữ Liệu Trên đồ Thị (K-Means) Có thể bạn quan tâm Npbfx Lừa đảo Np-c Npc á Lực Khôn Sro Np Cấm Luyến Np Cao H 1 Nữ Nhiều Nam Tranh Thắc mắc về Code Hiển thị dữ liệu trên đồ thị (K-Means) programming python Nguyen_Quang_Tri (Nguyễn Quang Trí) November 27, 2017, 5:40am #1 Mình đang học về K-Means, và thắc mắc code một tí, mong anh em giải thích giúp: #Trước tiên, chúng ta cần khai báo các thư viện cần dùng. Chúng ta cần numpy và matplotlib như trong bài Linear Regression cho việc tính toán ma trận và hiển thị dữ liệu. Chúng ta cũng cần thêm thư viện scipy.spatial.distance để tính khoảng cách giữa các cặp điểm trong hai tập hợp một cách hiệu quả. import numpy as np import matplotlib.pyplot as plt from scipy.spatial.distance import cdist np.random.seed(11) #Tiếp theo, ta tạo dữ liệu bằng cách lấy các điểm theo phân phối chuẩn có kỳ vọng tại các điểm có tọa độ (2, 2), (8, 3) và (3, 6), ma trận hiệp phương sai giống nhau và là ma trận đơn vị. Mỗi cluster có 500 điểm. (Chú ý rằng mỗi điểm dữ liệu là một hàng của ma trận dữ liệu. means = [[2, 2], [8, 3], [3, 6]] cov = [[1, 0], [0, 1]] N = 500 X0 = np.random.multivariate_normal(means[0], cov, N) X1 = np.random.multivariate_normal(means[1], cov, N) X2 = np.random.multivariate_normal(means[2], cov, N) X = np.concatenate((X0, X1, X2), axis = 0) K = 3 original_label = np.asarray([0]*N + [1]*N + [2]*N).T #Hiển thị dữ liệu trên đồ thị #Chúng ta cần một hàm kmeans_display để hiển thị dữ liệu. Sau đó hiển thị dữ liệu theo nhãn ban đầu. def kmeans_display(X, label): K = np.amax(label) + 1 X0 = X[label == 0, :]#Ý nghĩa của dòng này là gì? X1 = X[label == 1, :]#Ý nghĩa của dòng này là gì? X2 = X[label == 2, :]#Ý nghĩa của dòng này là gì? plt.plot(X0[:, 0], X0[:, 1], 'b^', markersize = 4, alpha = .8) plt.plot(X1[:, 0], X1[:, 1], 'go', markersize = 4, alpha = .8) plt.plot(X2[:, 0], X2[:, 1], 'rs', markersize = 4, alpha = .8) plt.axis('equal') plt.plot() plt.show() kmeans_display(X, original_label) Các bạn cho mình hỏi ý nghĩa của dòng này là gì? X0 = X[label == 0, :]#Ý nghĩa của dòng này là gì? X1 = X[label == 1, :]#Ý nghĩa của dòng này là gì? X2 = X[label == 2, :]#Ý nghĩa của dòng này là gì? plt.plot(X0[:, 0], X0[:, 1], 'b^', markersize = 4, alpha = .8)#Ý nghĩa của dòng này là gì? plt.plot(X1[:, 0], X1[:, 1], 'go', markersize = 4, alpha = .8)#Ý nghĩa của dòng này là gì? plt.plot(X2[:, 0], X2[:, 1], 'rs', markersize = 4, alpha = .8)#Ý nghĩa của dòng này là gì? Link về bài viết ở đây: K-means hungaya (Hung) November 27, 2017, 3:35am #2 Gộp 3 ma trân X0, X1, X2 thành X theo chiều ngang Nguyen_Quang_Tri: X = np.concatenate((X0, X1, X2), axis = 0) |-----------X0---------| |-----------X1---------| |-----------X2---------| Khởi tạo vector label có length = 3N, N phần tử đầu là 0, N phần tử ở giữa là 1, N phần tử cuối là 2 Nguyen_Quang_Tri: original_label = np.asarray([0]*N + [1]*N + [2]*N).T N = 2 label = [001122] N = 3 label = [000111222] Tách ma trân X theo chiều ngang thành 3 ma trận X0, X1, X2 như ban đầu. Nguyen_Quang_Tri: X0 = X[label == 0, :] X1 = X[label == 1, :] X2 = X[label == 2, :] Chi tiết, giả sử N = 2, không thực hiện Tranpose label == 0 [True, True, False, False, False, False] label == 1 [False, False, True, True, False, False] label == 2 [False, False, False, False, True, True] X[ label == 0 , : ] = X[ [ [True], [True], [False], [False], [False], [False] ], : ] = X0 Bạn nên đọc Numpy Quick Start để nắm cơ bản các hàm của Numpy https://docs.scipy.org/doc/numpy/user/quickstart.html 4 Likes Nguyen_Quang_Tri (Nguyễn Quang Trí) November 29, 2017, 2:28pm #4 Mình đang bí ở đây: # check convergence def has_converged(theta_new, grad): return np.linalg.norm(grad(theta_new))/ len(theta_new) < 1e-3 #Nếu biết trước điểm đặt bi ban đầu theta, đạo hàm của hàm mất mát tại một điểm bất kỳ grad(theta), lượng thông tin lưu trữ từ vần tốc trước đó gamma và learning rate eta, chúng ta có thể viết hàm số GD_momentum trong Python như sau: def GD_momentum(theta_init, grad, eta, gamma): # Suppose we want to store history of theta theta = [theta_init] v_old = np.zeros_like(theta_init) for it in range(100): v_new = gamma*v_old + eta*grad(theta[-1]) theta_new = theta[-1] - v_new if has_converged(theta_new, grad): break theta.append(theta_new) v_old = v_new return theta # this variable includes all points in the path # if you just want the final answer, # use `return theta[-1]` Mình đã thử test_left = GD_momentum(-5, grad(-5), 0.1, 0.9) nhưng bị báo lỗi. Vậy phải khởi tạo grad như thế nào mới đúng? Link về bài viết ở đây(Phần Gradient Descent với Momentum): Gradient Descent (phần 2/2) hungaya (Hung) November 29, 2017, 2:55pm #5 grad là 1 hàm, không phải giá trị. Trong has_converged(): grad(theta_new) Trong GD_momentum(): grad(theta[-1]) Test code: test_left = GD_momentum(-5, grad, 0.1, 0.9) Đoán vậy. Ps: Bạn tạo topic mỗi khi có chủ đề mới, như của bạn là: Gradient Descent with Momentum 1 Like Nguyen_Quang_Tri (Nguyễn Quang Trí) November 29, 2017, 9:06pm #6 hungaya: test_left = GD_momentum(-5, grad, 0.1, 0.9) Nếu làm như bạn nói thì bị lỗi test_left = GD_momentum(-5, grad, 0.1, 0.9) Traceback (most recent call last): File "<ipython-input-4-865283ef59bf>", line 1, in <module> test_left = GD_momentum(-5, grad, 0.1, 0.9) File "<ipython-input-1-f4847616ddf6>", line 41, in GD_momentum if has_converged(theta_new, grad): File "<ipython-input-1-f4847616ddf6>", line 31, in has_converged return np.linalg.norm(grad(theta_new))/len(theta_new) < 1e-3 TypeError: object of type 'numpy.float64' has no len() Ps: Bạn tạo topic mỗi khi có chủ đề mới, như của bạn là: Gradient Descent with Momentum Lần sau mình sẽ chú ý:D hungaya (Hung) November 30, 2017, 3:31am #7 Chép dòng này vào Google: TypeError: object of type 'numpy.float64' has no len() Sau đó mò bug, được các tài liệu sau: ( từ official docs, không StackOverflow ) np.linalg.norm: https://docs.scipy.org/doc/numpy-1.9.3/reference/generated/numpy.linalg.norm.html numpy.float64: https://docs.scipy.org/doc/numpy-1.13.0/user/basics.types.html Phần này thuộc kĩ năng fix bug, TypeError là lỗi cơ bản. Nên bạn tìm hiểu thêm nhé, có kèm hướng dẫn ở trên. 3 Likes linhdang1 (Linh) August 15, 2018, 9:39am #8 tại sao phải sử dụng biến K ? DayNhauHoc's Discord Học C++ Free? Click Blog Dạy Nhau Học Tự Học Lập Trình 83% thành viên diễn đàn không hỏi bài tập, còn bạn thì sao? Từ khóa » Np.asarray Là Gì Bài 6: Mảng Từ Dữ Liệu Có Sẵn - Numpy Trong Python - VnCoder Sự Khác Biệt Giữa Hàm Array () Và Asarray () Của Numpy Là Gì? array() In Python - GeeksforGeeks Numpy, Array Và Asarray Phân Biệt - Python - Mofun IT Python NumPy Tutorial - Học NumPy Arrays Với Các Ví Dụ - Viblo Giới Thiệu Về Numpy (một Thư Viện Chủ Yếu Phục Vụ Cho Khoa Học ... Sử Dụng Array Trong NumPy - W3seo Python — Làm Thế Nào để Làm Tròn Mảng Numpy? Python — Cách Tốt Hơn để Trộn Hai Mảng Numpy Trong Unison Xử Lý Dữ Liệu Với Pandas Trong Python - CodeLearn Numpy - Máy Học Cho Người Việt List To Matrix Python Numpy Bài 21 - Tiền Xử Lý ảnh OpenCV
83% thành viên diễn đàn không hỏi bài tập, còn bạn thì sao?