Limites du clustering hiérarchique

Analyse de clusters en Python

Shaumik Daityari

Business Analyst

Mesurer la vitesse en clustering hiérarchique

Module timeit
Mesurer la vitesse de .linkage()
Utiliser des points aléatoires
Lancer plusieurs itérations pour extrapoler

Utilisation du module 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 par boucle (moyenne ± éc. type de 7 exécutions, 1000 boucles chacune)

Comparaison des temps d’exécution de linkage

Temps d’exécution croît avec le nombre de points
Croissance quadratique du temps
Peu adapté aux grands jeux de données

À suivre : exercices

Analyse de clusters en Python