Оптимизация K-средних с ручным кодированием в MATLAB?
Так что я'я пишу скрипт k-means в MATLAB, так как нативная функция неКажется, что он очень эффективен, и, кажется, полностью работоспособен. Кажется, я работаю над небольшим тренировочным набором, который яm (это матрица 150x2, которая подается через текстовый файл). Однако время выполнения моего экспоненциального набора данных экспоненциально увеличивается, что составляет матрицу 3924x19.I '
Я не лучший в векторизации, поэтому любые предложения будут с благодарностью. Вот'мой сценарий k-означает, что пока (я знаю,мне придется скорректировать мое условие сходимости, так какищет точное совпадение, а яВозможно, понадобится больше итераций для такого большого набора данных, но я хочу, чтобы он смог завершиться в разумные сроки, прежде чем я проверю это число):
clear all;
%take input file (manually specified by user
disp('Please type input filename (in working directory): ')
target_file = input('filename: ', 's');
%parse and load into matrix
data = load(target_file);
%prompt name of output file for later) UNCOMMENT BELOW TWO LINES LATER
% disp('Please type output filename (to be saved in working directory): ')
% output_name = input('filename:', 's')
%prompt number of clusters
disp('Please type desired number of clusters: ')
c = input ('number of clusters: ');
%specify type of kmeans algorithm ('regular' for regular, 'fuzzy' for fuzzy)
%UNCOMMENT BELOW TWO LINES LATER
% disp('Please specify type (regular or fuzzy):')
% runtype = input('type: ', 's')
%initialize cluster centroid locations within bounds given by data set
%initialize rangemax and rangemin row vectors
%with length same as number of dimensions
rangemax = zeros(1,size(data,2));
rangemin = zeros(1,size(data,2));
%map max and min values for bounds
for dim = 1:size(data,2)
rangemax(dim) = max(data(:,dim));
rangemin(dim) = min(data(:,dim));
end
% rangemax
% rangemin
%randomly initialize mu_k (center) locations in (k x n) matrix where k is
%cluster number and n is number of dimensions/coordinates
mu_k = zeros(c,size(data,2));
for k = 1:size(data,2)
mu_k(k,:) = rangemin + (rangemax - rangemin).*rand(1,1);
end
mu_k
%iterate k-means
%initialize holding variable for distance comparison
comparisonmatrix = [];
%initialize assignment vector
assignment = zeros(size(data,1),1);
%initialize distance holding vector
dist = zeros(1,size(data,2));
%specify convergence threshold
%threshold = 0.001;
for iteration = 1:25
%save current assignment values to check convergence condition
hold_assignment = assignment;
for point = 1:size(data,1)
%calculate distances from point to centers
for k = 1:c
%holding variables
comparisonmatrix = [data(point,:);mu_k(k,:)];
dist(k) = pdist(comparisonmatrix);
end
%record location of mininum distance (location value will be between 1
%and k)
[minval, location] = min(dist);
%assign cluster number (analogous to location value)
assignment(point) = location;
end
%check convergence criteria
if isequal(assignment,hold_assignment)
break
end
%revise mu_k locations
%count number of each label
assignment_count = zeros(1,c);
for i = 1:size(data,1)
assignment_count(assignment(i)) = assignment_count(assignment(i)) + 1;
end
%compute centroids
point_total = zeros(size(mu_k));
for row = 1:size(data,1)
point_total(assignment(row),:) = point_total(assignment(row)) + data(row,:);
end
%move mu_k values to centroids
for center = 1:c
mu_k(center,:) = point_total(center,:)/assignment_count(center);
end
end
Там много петель, поэтому я чувствую, чтоМного оптимизации предстоит сделать. Тем не менее, я думаю, чтоЯ просто слишком долго смотрел на этот код, так что некоторые свежие глаза могут помочь. Пожалуйста, дайте мне знать, если мне нужно что-то уточнить в блоке кода.
Когда вышеуказанный кодовый блок выполняется (в контексте) для большого набора данных, это занимает 3732,152 секунды, в соответствии с MATLAB 'с профайлером, чтобы сделать полные 25 итераций (яЯ предполагаю, что это не таксходились» по моим критериям еще) для 150 кластеров, но около 130 из них возвращают NaN (130 строк в mu_k).