Limitaciones del clustering k-means

Análisis de clústeres en Python

Shaumik Daityari

Business Analyst

Limitaciones del clustering k-means

  • ¿Cómo elegir la _K_ (n.º de clústeres)?
  • Impacto de las semillas
  • Sesgo hacia clústeres de tamaño similar
Análisis de clústeres en Python

Impacto de las semillas

Inicializa una semilla aleatoria

from numpy import random
random.seed(12)

Semilla: np.array(1000, 2000)

Tamaños de clúster: 29, 29, 43, 47, 52

 

Semilla: np.array(1,2,3)

Tamaños de clúster: 26, 31, 40, 50, 53

Análisis de clústeres en Python

Impacto de las semillas: gráficos

Semilla: np.array(1000, 2000)

Semilla: np.array(1,2,3)

Análisis de clústeres en Python

Clústeres uniformes en k-means

Análisis de clústeres en Python

Clústeres uniformes en k-means: comparación

K-means con 3 clústeres

Clustering jerárquico con 3 clústeres

Análisis de clústeres en Python

Reflexiones finales

  • Cada técnica tiene pros y contras
  • Valora el tamaño y los patrones de tus datos antes de elegir
  • El clustering es exploratorio
Análisis de clústeres en Python

A continuación: ejercicios

Análisis de clústeres en Python

Preparing Video For Download...