Shluková analýza: výběr optimálního počtu shluků

Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Lisa Stuart

Data Scientist

Metody pro optimální k

  • Silhouettova metoda
  • Metoda lokte
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Silhouettův koeficient

  • Složen ze 2 skóre
    • Průměrná vzdálenost mezi pozorováním a ostatními:
      • ve stejném shluku
      • v nejbližším shluku
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Hodnoty Silhouettova koeficientu

  • Mezi -1 a 1
    • 1
      • blízko ostatním ve stejném shluku
      • velmi daleko od ostatních shluků
    • -1
      • daleko od ostatních ve stejném shluku
      • blízko ostatním v jiných shlucích
    • 0
      • označuje překrývající se shluky
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Silhouettovo skóre

Graf Silhouettova skóre

1 https://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_silhouette_analysis.html
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Metoda lokte

Graf metody lokte

1 https://www.datanovia.com/en/lessons/determining-the-optimal-number-of-clusters-3-must-know-methods/
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Funkce pro výběr optimálního k

Funkce/metoda vrací
sklearn.cluster.KMeans algoritmus shlukování K-Means
sklearn.metrics.silhouette_score skóre mezi -1 a 1 jako míra stability shluků
kmeans.inertia_ SS vzdálenosti pozorování k nejbližšímu středu shluku
range(start, stop) seznam hodnot od start po stop (stop není zahrnut)
list.append(kmeans.inertia_) přidá hodnotu inertia do seznamu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Pojďme si procvičit!

Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Preparing Video For Download...