Limitações do clustering hierárquico

Análise de cluster em Python

Shaumik Daityari

Business Analyst

Medindo a velocidade no clustering hierárquico

Módulo timeit
Medir a velocidade de .linkage()
Usar pontos aleatórios
Rodar várias iterações para extrapolar

Uso do módulo timeit

from scipy.cluster.hierarchy import linkage
import pandas as pd
import random, timeit

points = 100
df = pd.DataFrame({'x': random.sample(range(0, points), points),
                   'y': random.sample(range(0, points), points)})

%timeit linkage(df[['x', 'y']], method = 'ward', metric = 'euclidean')

1.02 ms ± 133 µs por loop (média ± desvio padrão de 7 execuções, 1000 loops cada)

Comparação do tempo do método linkage

Tempo aumenta com mais pontos
Aumento quadrático do tempo
Não é viável para datasets grandes

A seguir: exercícios

Análise de cluster em Python