Limiti del clustering gerarchico

Analisi di cluster in Python

Shaumik Daityari

Business Analyst

Misurare la velocità nel clustering gerarchico

Modulo timeit
Misura la velocità di .linkage()
Usa punti generati a caso
Esegui più iterazioni per estrapolare

Uso del modulo 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 per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Confronto dei tempi della funzione linkage

Tempo di esecuzione cresce con i punti
Aumento quadratico del tempo
Non adatto a dataset grandi

Avanti: esercizi

Analisi di cluster in Python