Label klaster pada pengelompokan hierarkis

Unsupervised Learning in Python

Benjamin Wilson

Director of Research at lateral.io

Label klaster pada pengelompokan hierarkis

Bukan hanya alat visualisasi!
Label klaster pada tahap antara dapat diambil kembali
Untuk dipakai mis. pada tabulasi silang

Pengelompokan hierarkis Eurovision

Klaster antara & ketinggian pada dendrogram

Mis. pada ketinggian 15:
- Bulgaria, Siprus, Yunani satu klaster
- Rusia dan Moldova klaster lain
- Armenia klaster tunggal

Zoom klaster dengan garis horisontal pada ketinggian 15

Dendrogram menampilkan jarak klaster

Ketinggian pada dendrogram = jarak antar klaster yang digabung
Mis. klaster yang hanya berisi Siprus dan Yunani berjarak ±6

Zoom klaster dengan klaster Siprus/Yunani disorot

Dendrogram menampilkan jarak klaster

Ketinggian pada dendrogram = jarak antar klaster yang digabung
Mis. klaster yang hanya berisi Siprus dan Yunani berjarak ±6
Klaster baru ini berjarak ±12 dari klaster yang hanya berisi Bulgaria

Zoom klaster dengan klaster Siprus/Yunani dan klaster Siprus/Yunani/Bulgaria disorot

Klaster antara & ketinggian pada dendrogram

Ketinggian pada dendrogram menunjukkan jarak maks. antar klaster yang digabung
Jangan gabungkan klaster yang lebih jauh dari ini (mis. 15)

Zoom klaster dengan garis horisontal pada ketinggian 15

Jarak antarklaster

Ditentukan oleh "metode linkage"
Pada linkage "complete": jarak antarklaster adalah jarak maks. antar sampel mereka
Ditentukan via parameter method, mis. linkage(samples, method="complete")
Metode linkage berbeda → pengelompokan hierarkis berbeda!

Mengekstrak label klaster

Gunakan fungsi fcluster()
Menghasilkan array NumPy berisi label klaster

Zoom klaster dengan garis horisontal pada ketinggian 15

Mengekstrak label klaster dengan fcluster

from scipy.cluster.hierarchy import linkage
mergings = linkage(samples, method='complete')
from scipy.cluster.hierarchy import fcluster

labels = fcluster(mergings, 15, criterion='distance')
print(labels)

[ 9  8 11 20  2  1 17 14 ... ]

Menyelaraskan label klaster dengan nama negara

Diberikan daftar string country_names:

import pandas as pd
pairs = pd.DataFrame({'labels': labels, 'countries': country_names})
print(pairs.sort_values('labels'))

               countries  labels
5                Belarus       1
40               Ukraine       1
...
36                 Spain       5
8               Bulgaria       6
19                Greece       6
10                Cyprus       6
28               Moldova       7
...

Ayo berlatih!

Unsupervised Learning in Python