Beperkingen van hiërarchisch clusteren

Clusteranalyse in Python

Shaumik Daityari

Business Analyst

Snelheid meten bij hiërarchisch clusteren

timeit-module
Meet de snelheid van de methode .linkage()
Gebruik willekeurig gegenereerde punten
Voer meerdere iteraties uit om te extrapoleren

Gebruik van de timeit-module

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)

Vergelijking van runtime van de linkage-methode

Toenemende runtime bij meer datapunten
Kwadratische toename van runtime
Niet haalbaar voor grote datasets

Zo meteen: oefeningen

Clusteranalyse in Python