标签：机器学习   聚类算法   k-means   gmm   em   

简介：

        本节介绍STANFORD机器学习公开课中的第12、13集视频中的算法：K-means算法、高斯混合模型（GMM）。（9、10、11集不进行介绍，略过了哈）

一、K-means算法

        属于无监督学习的聚类算法，给定一组未标定的数据（输入样本），对其进行分类，假设可分为k个类。由于算法比较直观，故直接给出步骤和MATLAB代码。（k-means算法在数学推导上是有意义的）

MATLAB代码：

%%
%k均值聚类
clear all;
close all;
%%
n=2;
m=200;
v0=randn(m/2,2)-1;
v1=randn(m/2,2)+1;
figure;
subplot(221);
hold on;
plot(v0(:,1),v0(:,2),'r.');
plot(v1(:,1),v1(:,2),'b.');
%axis([-5 5 -5 5]);
title('已分类数据');
hold off;

data=[v0;v1];
data=sortrows(data,1);
subplot(222);
plot(data(:,1),data(:,2),'g.');
title('未分类数据');
%axis([-5 5 -5 5]);
%%
[a b]=size(data);
m1=data(20,:);%随机取重心点
m2=data(120,:);%随机取重心点
k1=zeros(1,2);
k2=zeros(1,2);
n1=0;
n2=0;
subplot(223);hold on;
%axis([-5 5 -5 5]);
for t=1:10
    for i=1:a
        d1=pdist2(m1,data(i,:));
        d2=pdist2(m2,data(i,:));
        if (d1<d2)
            k1=k1+data(i,:);
            n1=n1+1;
            plot(data(i,1),data(i,2),'r.');
        else
            k2=k2+data(i,:);
            n2=n2+1;
            plot(data(i,1),data(i,2),'b.');
        end
    end
    m1=k1/n1;
    m2=k2/n2;
%     plot(m1(1,1),m1(1,2),'g.');
%     plot(m2(1,1),m2(1,2),'g.');
    k1=zeros(1,2);
    k2=zeros(1,2);
    n1=0;
    n2=0;
end
plot(m1(1,1),m1(1,2),'k*');
plot(m2(1,1),m2(1,2),'k*');
title('k-means聚类');
hold off;

输出结果（未分类数据是由已分类数据去掉标签，黑色※号表示聚类中心）：

二、高斯混合模型（GMM）

           回想之前之前的高斯判别分析法（GDA），是通过计算样本的后验概率来进行判别，而后验概率是通过假设多元高斯模型来计算得来的。高斯模型的参数：均值、协方差，是由已标定（分类）的样本得来，所以可以看做是一种监督学习方法。

        在GMM模型（属于无监督学习），给定未分类的m个样本（n维特征），假设可分为k个类，要求用GMM算法对其进行分类。如果我们知道每个类的高斯参数，则可以向GDA算法那样计算出后验概率进行判别。但遗憾的是，杨输入的样本未被标定，也就是说我们得不到高斯参数：均值、协方差。这就引出EM（Expectation Maximization Algorithm：期望最大化）算法。

        EM算法的思想有点类似于k-means，就是通过迭代来得出最好的参数，有了这些参数就可以像GDA那样做分类了。GMM及EM具体步骤如下：

MATLAB代码如下：

%%
%GMM算法（高斯混合模型）soft assignment（软划分）
clear all;
close all;
%%
k=2;%聚类数
n=2;%维数
m=200;
% v0=randn(m/2,2)-1;
% v1=randn(m/2,2)+1;
v0=mvnrnd([1 1],[1 0;0 1],m/2);%生成正样本1
v1=mvnrnd([4 4],[1 0;0 1],m/2);%生成负样本0
figure;subplot(221);
hold on;
plot(v0(:,1),v0(:,2),'r.');
plot(v1(:,1),v1(:,2),'b.');
title('已分类数据');
hold off;
%%
data=[v0;v1];
data=sortrows(data,1);
subplot(222);
plot(data(:,1),data(:,2),'g.');
title('未分类数据');
%%
mu1=mean(data(1:50,:));
mu2=mean(data(100:180,:));
sigma1=cov(data(1:50,:));
sigma2=cov(data(100:180,:));
p=zeros(m,k);%概率
thresh=0.05;%迭代终止条件
iter=0;%记录迭代次数
while(1)
    iter=iter+1;
    A1=1/(((2*pi)^(n/2))*((det(sigma1))^(1/2)));
    A2=1/(((2*pi)^(n/2))*((det(sigma2))^(1/2)));
    for i=1:m
        p(i,1)=A1*exp((-1/2)*(data(i,:)-mu1)*sigma1*(data(i,:)-mu1)');
        p(i,2)=A2*exp((-1/2)*(data(i,:)-mu2)*sigma2*(data(i,:)-mu2)');
        pp=sum(p(i,:));
        p(i,1)=p(i,1)/pp;%归一化，样本属于某类的概率的总和为1
        p(i,2)=p(i,2)/pp;
    end
    sum1=zeros(n,n);
    sum2=zeros(n,n);
    for i=1:m
        sum1=sum1+p(i,1)*(data(i,:)-mu1)'*(data(i,:)-mu1);
        sum2=sum2+p(i,2)*(data(i,:)-mu2)'*(data(i,:)-mu2);
    end
    sigma1=sum1/sum(p(:,1));
    sigma2=sum2/sum(p(:,2));
    mu1_pre=mu1;
    mu2_pre=mu2;
    mu1=(p(:,1)'*data)/sum(p(:,1));
    mu2=(p(:,2)'*data)/sum(p(:,2));
    if ((pdist2(mu1_pre,mu1)<=thresh) || (pdist2(mu2_pre,mu2)<=thresh))
        break;
    end
end
%%
subplot(223);
hold on;
A1=1/(((2*pi)^(n/2))*((det(sigma1))^(1/2)));
A2=1/(((2*pi)^(n/2))*((det(sigma2))^(1/2)));
for i=1:m
    p(i,1)=A1*exp((-1/2)*(data(i,:)-mu1)*sigma1*(data(i,:)-mu1)');
    p(i,2)=A2*exp((-1/2)*(data(i,:)-mu2)*sigma2*(data(i,:)-mu2)');
    if p(i,1)>=p(i,2)
        plot(data(i,1),data(i,2),'r.');
    else
        plot(data(i,1),data(i,2),'b.');
    end
end
title('GMM分类');
hold off;
%完

机器学习（十二、十三）：K-means算法、高斯混合模型

标签：机器学习   聚类算法   k-means   gmm   em   

原文地址：http://blog.csdn.net/hujingshuang/article/details/46564237