def tentar_dividir(self, dados_do_cluster, silhueta_win):
flarg = True
cont = 0
while (flarg):
if (cont > 20):
raise ValueError("cant converge")
try:
cont = cont + 1
#print("trying",str(cont))
kmeans_temp = ultra_omega_alpha_kmeans2.ultra_omega_alpha_kmeans(
inicializacao="++")
kmeans_temp.incluir(dados_do_cluster[0])
kmeans_temp.inicializar()
kmeans_temp.executar()
#kmeans_inter_grupo precisa ser um vetor de vetores, cujo vetor mais externo ficam os grupos e os vetores internos são os dados para esses grupos.
um_cluster_com_dados = self.criarConjunto(
kmeans_temp.clusters, kmeans_temp.dados)
silhueta_do_grupo = calcularSilhueta(kmeans_temp)
flarg = False
except:
pass
cluster_com_indice = [[dados_do_cluster[1][i] for i in cluster]
for cluster in kmeans_temp.clusters]
#print("antigo",silhueta_win,"novo",silhueta_do_grupo)
if (silhueta_win < silhueta_do_grupo):
silhueta_win = silhueta_do_grupo
meu_zip = zip(um_cluster_com_dados, cluster_com_indice)
return (True, meu_zip)
else:
return (False, dados_do_cluster)
def kmeanza(som, come_xuchu, n):
silhueta_acumulador = 0
for _ in range(1):
flaag = True
while (flaag):
try:
kmeans = KMeans(n_clusters=n)
som.cluster(kmeans)
kmeanz = Kmeanz()
kmeanz.clusters = clusterizacao(som)
kmeanz.dados = come_xuchu
silhueta_final = silhuetaDInamico.calcularSilhueta(kmeanz)
silhueta_acumulador = silhueta_acumulador + silhueta_final
flaag = False
except:
pass
return silhueta_acumulador
def tentar_dividir(self,dados_do_cluster, silhueta_win):
kmeans_temp = ultra_omega_alpha_kmeans2.ultra_omega_alpha_kmeans()
kmeans_temp.incluir(dados_do_cluster[0])
kmeans_temp.inicializar()
kmeans_temp.executar()
#kmeans_inter_grupo precisa ser um vetor de vetores, cujo vetor mais externo ficam os grupos e os vetores internos são os dados para esses grupos.
um_cluster_com_dados = self.criarConjunto(kmeans_temp.clusters,kmeans_temp.dados)
silhueta_do_grupo = calcularSilhueta(kmeans_temp)
cluster_com_indice = [[dados_do_cluster[1][i] for i in cluster] for cluster in kmeans_temp.clusters]
print("antigo",silhueta_win,"novo",silhueta_do_grupo)
if(silhueta_win < silhueta_do_grupo):
silhueta_win = silhueta_do_grupo
meu_zip = zip(um_cluster_com_dados, cluster_com_indice)
return (True,meu_zip)
else:
return (False,dados_do_cluster)
flagg = True
while (flagg):
try:
kmeans = ultra_omega_alpha_kmeans.ultra_omega_alpha_kmeans(
no_clusters=numero_de_cluster,
distancia=distancia,
algoritmo=algoritmo)
kmeans.incluir(come_xuchu)
kmeans.inicializar()
kmeans.executar_x_means(7)
#print(len(kmeans.clusters[0]),len(kmeans.clusters[1]))
#print(kmeans.no_clusters)
silhueta_final = silhuetaDInamico.calcularSilhueta(
kmeans)
silhueta_acumulador = silhueta_acumulador + silhueta_final
flagg = False
except:
print("Error found, but remedied")
silhueta_acumulador = silhueta_acumulador / 30
resposta.append((silhueta_acumulador, come_xuchu_dict))
pickle.dump(
resposta,
open(
escolha_da_representacao + str(numero_de_cluster) +
"x_reuters.jojo", "wb"))