Analisi di clustering: scegliere il numero ottimale di cluster

Esercitarsi con le domande di colloquio di Machine Learning in Python

Lisa Stuart

Data Scientist

Metodi per k ottimale

  • Metodo della silhouette
  • Metodo del gomito
Esercitarsi con le domande di colloquio di Machine Learning in Python

Coefficiente di silhouette

  • Composto da 2 punteggi
    • Distanza media tra ogni osservazione e tutte le altre:
      • nello stesso cluster
      • nel cluster più vicino
Esercitarsi con le domande di colloquio di Machine Learning in Python

Valori del coefficiente di silhouette

  • Tra -1 e 1
    • 1
      • vicino agli altri nello stesso cluster
      • molto lontano dagli altri negli altri cluster
    • -1
      • non vicino agli altri nello stesso cluster
      • vicino agli altri negli altri cluster
    • 0
      • indica cluster sovrapposti
Esercitarsi con le domande di colloquio di Machine Learning in Python

Punteggio di silhouette

Grafico del punteggio di silhouette

1 https://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_silhouette_analysis.html
Esercitarsi con le domande di colloquio di Machine Learning in Python

Metodo del gomito

Grafico metodo del gomito

1 https://www.datanovia.com/en/lessons/determining-the-optimal-number-of-clusters-3-must-know-methods/
Esercitarsi con le domande di colloquio di Machine Learning in Python

Funzioni per scegliere k ottimale

Funzione/metodo restituisce
sklearn.cluster.KMeans Algoritmo di clustering K-Means
sklearn.metrics.silhouette_score punteggio tra -1 e 1 che misura la stabilità dei cluster
kmeans.inertia_ somma dei quadrati delle distanze al centroide più vicino
range(start, stop) elenco di valori da start fino a stop escluso
list.append(kmeans.inertia_) aggiunge l'inertia alla lista
Esercitarsi con le domande di colloquio di Machine Learning in Python

Passons à la pratique !

Esercitarsi con le domande di colloquio di Machine Learning in Python

Preparing Video For Download...