Limitações do k-means

Análise de cluster em Python

Shaumik Daityari

Business Analyst

Limitações do k-means

  • Como escolher o _K_ (nº de clusters)?
  • Impacto das seeds
  • Viés para clusters de tamanho igual
Análise de cluster em Python

Impacto das seeds

Inicialize uma seed aleatória

from numpy import random
random.seed(12)

Seed: np.array(1000, 2000)

Tamanhos dos clusters: 29, 29, 43, 47, 52

 

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

Tamanhos dos clusters: 26, 31, 40, 50, 53

Análise de cluster em Python

Impacto das seeds: gráficos

Seed: np.array(1000, 2000)

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

Análise de cluster em Python

Clusters uniformes no k-means

Análise de cluster em Python

Clusters uniformes no k-means: comparação

k-means com 3 clusters

Clusterização hierárquica com 3 clusters

Análise de cluster em Python

Considerações finais

  • Cada técnica tem prós e contras
  • Considere tamanho e padrões dos dados antes de escolher o algoritmo
  • Clusterização é fase exploratória da análise
Análise de cluster em Python

A seguir: exercícios

Análise de cluster em Python

Preparing Video For Download...