-
Notifications
You must be signed in to change notification settings - Fork 1
/
kmeans.c
403 lines (368 loc) · 15.6 KB
/
kmeans.c
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
/*
Curso: Matrices Distribuidas
Fecha: 18/11/2019
Programadores:
Castro Alexander
Palomino Octavio
Tapias John
*/
/*
Compilar:
gcc -o kmeans -fopenmp -lm kmeans.c
Establecer numero de threads:
export OMP_NUM_THREADS=4
Ejecutar:
./kmeans -c 6 -i 8 -a datos_muestra_2.txt
*/
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <math.h>
#include <time.h>
#include <omp.h>
// ---- Constantes
#define NUM_ATRIBUTOS 4
#define NUM_ID 9
#define ROOT 0
typedef enum { false, true } bool;
// ---- Estructuras
struct Cliente
{
char id[NUM_ID];
float diasMora;
float lineaCredito;
float anioCastigo;
float anioUltimoPago;
int grupo;
};
struct Centroide
{
int numElementos;
float diasMora;
float lineaCredito;
float anioCastigo;
float anioUltimoPago;
};
// ---- Funciones
void validarParametros(int argc, char **argv, int *numCentroides, char **ruta, int *iterMax);
void obtenerNumeroObservaciones(char *rutaArchivo, int *observaciones);
void leerArchivo(char *rutaArchivo, int *observaciones);
void leerClientes(struct Cliente* clientes, int observaciones, char *rutaArchivo);
void mostrarClientes(struct Cliente clientes[], int observaciones);
void estandarizarDatos(struct Cliente *clientes, int observaciones);
void inicializarCentroides(struct Cliente *clientes, int observaciones, int numCentroides);
void calcularCentroides(struct Cliente *clientes,
int inicio_hilo,
int num_obs_hilo,
struct Centroide *centroides,
int numCentroides);
void mostrarCentroides(struct Centroide *centroides, int numCentroides);
float calcularDistancia(struct Cliente cliente, struct Centroide centroide);
// ---- Función Main
int main(int argc, char **argv) {
// ---- Declaracion de variables
int i = 0, j, k;
int numCentroides, numObservaciones;
float *distancias;
char *rutaArchivo;
struct Cliente *clientes;
struct Centroide *centroides;
bool termina = false;
bool debug = false;
int iterMax;
int my_rank, num_hilos, num_obs_hilo, inicio_hilo;
// ---- Establecer numero de centroides
validarParametros(argc, argv, &numCentroides, &rutaArchivo, &iterMax);
// ---- Captura del total de registros ----
obtenerNumeroObservaciones(rutaArchivo, &numObservaciones);
// ---- Reservar memoria clientes
clientes = (struct Cliente *)malloc(sizeof(struct Cliente) * numObservaciones);
leerClientes(clientes, numObservaciones, rutaArchivo);
// mostrarClientes(clientes, numObservaciones);
estandarizarDatos(clientes, numObservaciones);
// mostrarClientes(clientes, numObservaciones);
// ---- Algoritmo k-means
// Reservo memoria para los k centroides
centroides = (struct Centroide *)malloc(sizeof(struct Centroide) * numCentroides);
inicializarCentroides(clientes, numObservaciones, numCentroides);
calcularCentroides(clientes, ROOT, numObservaciones, centroides, numCentroides);
printf("\n ------------ CLIENTES: INICIO\n");
mostrarClientes(clientes, numObservaciones);
printf("\n ------------ CENTROIDES: INICIO\n");
mostrarCentroides(centroides, numCentroides);
// ----- Iteracion
// Reservo memoria para las k distancias
// distancias = (int *)calloc(numCentroides, sizeof(int));
distancias = (float *)malloc(sizeof(float) * numCentroides);
while (!termina) {
if (i == iterMax) {
printf("\n----------> FIN ITERACION\n", i+1);
} else {
printf("\n----------> ITERACION #%d\n", i+1);
}
#pragma openmp parallel default(shared) private(my_rank, num_hilos, num_obs_hilo, inicio_hilo)
{
// Identificador del hilo actual
my_rank = omp_get_thread_num();
// Numero total de hilos
num_hilos = omp_get_num_threads();
// Bloque de observaciones por hilo
num_obs_hilo = numObservaciones / num_hilos;
inicio_hilo = num_obs_hilo * my_rank;
// Ultimo hilo
if (my_rank == num_hilos-1) {
// El ultimo hilo puede tener mas observaciones
num_obs_hilo = numObservaciones - inicio_hilo;
}
for (j=0; j < num_obs_hilo; j++) {
// Calcular distancia entre cada observacion y cada centroide
for (k=0; k < numCentroides; k++) {
distancias[k] = calcularDistancia(clientes[inicio_hilo+j], centroides[k]);
if (debug) {
printf("\nDistancia Cliente #%d\tCentroide #%d: %f\n", inicio_hilo+j, k, distancias[k]);
}
}
// Seleccionar la distancia menor
int menor = 0;
for (k=1; k < numCentroides; k++) {
if (distancias[k] < distancias[menor]) {
menor = k;
}
}
// Asignar observacion al nuevo grupo
clientes[inicio_hilo+j].grupo = menor + 1;
}
}
i++;
if (i > iterMax) {
termina = true;
} else {
// Calcular centroides
#pragma openmp parallel default(shared) private(my_rank, num_hilos, num_obs_hilo, inicio_hilo)
{
// Identificador del hilo actual
my_rank = omp_get_thread_num();
// Numero total de hilos
num_hilos = omp_get_num_threads();
// Bloque de observaciones por hilo
num_obs_hilo = numObservaciones / num_hilos;
inicio_hilo = num_obs_hilo * my_rank;
// Ultimo hilo
if (my_rank == num_hilos-1) {
// El ultimo hilo puede tener mas observaciones
num_obs_hilo = numObservaciones - inicio_hilo;
}
calcularCentroides(clientes, inicio_hilo, num_obs_hilo, centroides, numCentroides);
}
// Sincronizacion de hilos
#pragma omp barrier
if (debug) {
mostrarCentroides(centroides, numCentroides);
}
}
}
printf("\n ------------ CLIENTES: RESULTADO\n");
mostrarClientes(clientes, numObservaciones);
printf("\n ------------ CENTROIDES: RESULTADO\n");
mostrarCentroides(centroides, numCentroides);
// Fin de la ejecucion
exit(0);
}
// ---- Implementacion de funciones
void validarParametros(int argc, char **argv, int *numCentroides, char **ruta, int *iterMax) {
if (argc == 1) {
// Si no se especifica un numero de centroides
// Se establecen k=4 centroides por defecto
*numCentroides = 4;
} else if (argc == 7) {
*numCentroides = atoi(argv[2]);
*iterMax = atoi(argv[4]);
*ruta = argv[6];
printf("\n\nPrograma kmeans con k=%d centroides\n", *numCentroides);
printf("\nProcesado el archivo %s\n\n\n",*ruta);
} else {
fprintf(stderr, "\n\t** Uso incorrecto del programa**\n");
fprintf(stderr, "\t<programa> -c <numero_de_centroides> -i <numero_iteraciones_max> -a <nombre_archivo>\n\n");
exit(1);
}
}
void obtenerNumeroObservaciones(char *rutaArchivo, int *observaciones) {
int ch = 0;
*observaciones = 0;
// Abrir el archivo en modo lectura
FILE *archivo = fopen (rutaArchivo, "r");
// ---- Validacion de apertura ----.
if (archivo == NULL) { // si apunta null error nombre mal
fprintf(stderr, "\n\t** Error al abrir el archivo **\n");
fprintf(stderr, "\n\t** Valide su existencia en la ruta indicada **\n\n");
exit(1);
}
//ch = getc(archivo);
while((ch=fgetc(archivo))!=EOF) {
if(ch == '\n') {
*observaciones +=1;
}
}
// Retomar el inicio del archivo
rewind(archivo);
// Cerrar archivo
fclose(archivo);
printf("\n\nNúmero de registros ob=%d\n", *observaciones);
}
void leerClientes(struct Cliente* clientes, int observaciones, char *rutaArchivo) {
int ch = 0;
int observacionActual = 0;
// Abrir el archivo en modo lectura
FILE *archivo = fopen (rutaArchivo, "r");
// ---- Validacion de apertura ----.
if (archivo == NULL) { // si apunta null error nombre mal
fprintf(stderr, "\n\t** Error al abrir el archivo **\n");
fprintf(stderr, "\n\t** Valide su existencia en la ruta indicada **\n\n");
exit(1);
}
// Leer observaciones
while (observacionActual < observaciones) {
printf("\nLeyendo observación #%d\n", observacionActual);
fscanf(archivo, "%s", clientes[observacionActual].id);
// printf("clientes[%d].id -> %s\n", observacionActual, clientes[observacionActual].id);
fscanf(archivo, "%f", &clientes[observacionActual].diasMora);
// printf("clientes[%d].diasMora -> %.2f\n", observacionActual, clientes[observacionActual].diasMora);
fscanf(archivo, "%f", &clientes[observacionActual].lineaCredito);
// printf("clientes[%d].lineaCredito -> %.2f\n", observacionActual, clientes[observacionActual].lineaCredito);
fscanf(archivo, "%f", &clientes[observacionActual].anioCastigo);
// printf("clientes[%d].anioCastigo -> %.2f\n", observacionActual, clientes[observacionActual].anioCastigo);
fscanf(archivo, "%f\n", &clientes[observacionActual].anioUltimoPago);
// printf("clientes[%d].anioUltimoPago -> %.2f\n", observacionActual, clientes[observacionActual].anioUltimoPago);
observacionActual++;
}
fclose(archivo);
//printf("\n** Numero de clientes: %zu", sizeof(clientes)/sizeof(*clientes));
//return clientes;
}
void mostrarClientes(struct Cliente clientes[], int observaciones) {
int i;
printf("\n");
for (i = 0; i < observaciones; i++) {
printf("\nObservacion #%d\n", i+1);
printf("clientes[%d].id -> %s\n", i+1, clientes[i].id);
printf("clientes[%d].diasMora -> %f\n", i+1, clientes[i].diasMora);
printf("clientes[%d].lineaCredito -> %f\n", i+1, clientes[i].lineaCredito);
printf("clientes[%d].anioCastigo -> %f\n", i+1, clientes[i].anioCastigo);
printf("clientes[%d].anioUltimoPago -> %f\n", i+1, clientes[i].anioUltimoPago);
printf("clientes[%d].grupo -> %d\n", i+1, clientes[i].grupo);
}
printf("\n");
}
void estandarizarDatos(struct Cliente *clientes, int observaciones) {
int i;
// Declaro Medias
float medias[NUM_ATRIBUTOS];
// Declaro Desviaciones estandar
float desviaciones[NUM_ATRIBUTOS];
// Inicializo Medias y Desviaciones
#pragma omp parallel for
for (i = 0; i < NUM_ATRIBUTOS; i++) {
medias[i] = 0;
desviaciones[i] = 0;
}
// ---- Calculo de las medias
for (i = 0; i < observaciones; i++) {
medias[0] += clientes[i].diasMora;
medias[1] += clientes[i].lineaCredito;
medias[2] += clientes[i].anioCastigo;
medias[3] += clientes[i].anioUltimoPago;
}
for (i = 0; i < NUM_ATRIBUTOS; i++) {
medias[i] /= (float)observaciones;
}
// ---- Calculo de las desviaciones
#pragma omp parallel for
for (i = 0; i < observaciones; i++) {
desviaciones[0] += pow(clientes[i].diasMora - medias[0], 2);
desviaciones[1] += pow(clientes[i].lineaCredito - medias[1], 2);
desviaciones[2] += pow(clientes[i].anioCastigo - medias[2], 2);
desviaciones[3] += pow(clientes[i].anioUltimoPago - medias[3], 2);
}
for (i = 0; i < NUM_ATRIBUTOS; i++) {
desviaciones[i] = sqrt(desviaciones[i]/(float)observaciones);
}
// ---- Estandarizar
#pragma omp parallel for
for (i = 0; i < observaciones; i++) {
clientes[i].diasMora = (clientes[i].diasMora - medias[0]) / desviaciones[0];
clientes[i].lineaCredito = (clientes[i].lineaCredito - medias[1]) / desviaciones[1];
clientes[i].anioCastigo = (clientes[i].anioCastigo - medias[2]) / desviaciones[2];
clientes[i].anioUltimoPago = (clientes[i].anioUltimoPago - medias[3]) / desviaciones[3];
}
for (i = 0; i < NUM_ATRIBUTOS; i++) {
printf("media[%d] -> %f\n", i+1, medias[i]);
printf("desviaciones[%d] -> %f\n", i+1, desviaciones[i]);
}
}
void inicializarCentroides(struct Cliente *clientes, int observaciones, int numCentroides) {
int i;
// Seed
srand(time(NULL));
// Asignar un grupo al azar a cada cliente
#pragma omp parallel for
for (i = 0; i < observaciones; i++) {
// Grupo entre 1 y numCentroides
clientes[i].grupo = (rand() % numCentroides) + 1;
}
}
void calcularCentroides(struct Cliente *clientes,
int inicio_hilo,
int num_obs_hilo,
struct Centroide *centroides,
int numCentroides) {
int i;
// Inicializar centroide
for (i = 0; i < numCentroides; i++) {
// Grupo entre 1 y numCentroides
centroides[i].numElementos = 0;
centroides[i].diasMora = 0;
centroides[i].lineaCredito = 0;
centroides[i].anioCastigo = 0;
centroides[i].anioUltimoPago = 0;
}
// Calcular centroide para cada grupo
for (i = 0; i < num_obs_hilo; i++) {
// Acumular para cada componente del centroide
centroides[clientes[inicio_hilo+i].grupo - 1].diasMora = centroides[clientes[inicio_hilo+i].grupo - 1].diasMora + clientes[inicio_hilo+i].diasMora;
centroides[clientes[inicio_hilo+i].grupo - 1].lineaCredito = centroides[clientes[inicio_hilo+i].grupo - 1].lineaCredito + clientes[inicio_hilo+i].lineaCredito;
centroides[clientes[inicio_hilo+i].grupo - 1].anioCastigo = centroides[clientes[inicio_hilo+i].grupo - 1].anioCastigo + clientes[inicio_hilo+i].anioCastigo;
centroides[clientes[inicio_hilo+i].grupo - 1].anioUltimoPago = centroides[clientes[inicio_hilo+i].grupo - 1].anioUltimoPago + clientes[inicio_hilo+i].anioUltimoPago;
// Contar el numero de clientes en el grupo para calcular el promedio
centroides[clientes[inicio_hilo+i].grupo - 1].numElementos = centroides[clientes[inicio_hilo+i].grupo - 1].numElementos + 1;
}
// Calcular el promedio para cada centroide
for (i = 0; i < numCentroides; i++) {
// Grupo entre 1 y numCentroides
centroides[i].diasMora = centroides[i].diasMora / centroides[i].numElementos;
centroides[i].lineaCredito = centroides[i].lineaCredito / centroides[i].numElementos;
centroides[i].anioCastigo = centroides[i].anioCastigo / centroides[i].numElementos;
centroides[i].anioUltimoPago = centroides[i].anioUltimoPago / centroides[i].numElementos;
}
}
void mostrarCentroides(struct Centroide *centroides, int numCentroides) {
int i;
printf("\n");
for (i = 0; i < numCentroides; i++) {
printf("\nCentroide #%d\n", i+1);
printf("centroides[%d].numElementos -> %d\n", i+1, centroides[i].numElementos);
printf("centroides[%d].diasMora -> %f\n", i+1, centroides[i].diasMora);
printf("centroides[%d].lineaCredito -> %f\n", i+1, centroides[i].lineaCredito);
printf("centroides[%d].anioCastigo -> %f\n", i+1, centroides[i].anioCastigo);
printf("centroides[%d].anioUltimoPago -> %f\n", i+1, centroides[i].anioUltimoPago);
}
printf("\n");
}
float calcularDistancia(struct Cliente cliente, struct Centroide centroide) {
float distancia = 0;
distancia += pow(cliente.diasMora - centroide.diasMora, 2);
distancia += pow(cliente.lineaCredito - centroide.lineaCredito, 2);
distancia += pow(cliente.anioCastigo - centroide.anioCastigo, 2);
distancia += pow(cliente.anioUltimoPago - centroide.anioUltimoPago, 2);
distancia = sqrt(distancia);
return (float)distancia;
}