Ograniczenia klasteryzacji k-średnich

Analiza skupień w Pythonie

Shaumik Daityari

Business Analyst

Ograniczenia klasteryzacji k-średnich

  • Jak znaleźć właściwe _K_ (liczbę klastrów)?
  • Wpływ ziarna losowości
  • Tendencja do tworzenia równych klastrów
Analiza skupień w Pythonie

Wpływ ziarna losowości

Inicjalizacja losowego ziarna

from numpy import random
random.seed(12)

Ziarno: np.array(1000, 2000)

Rozmiary klastrów: 29, 29, 43, 47, 52

 

Ziarno: np.array(1,2,3)

Rozmiary klastrów: 26, 31, 40, 50, 53

Analiza skupień w Pythonie

Wpływ ziarna losowości: wykresy

Ziarno: np.array(1000, 2000)

Ziarno: np.array(1,2,3)

Analiza skupień w Pythonie

Jednorodne klastry w k-średnich

Analiza skupień w Pythonie

Jednorodne klastry w k-średnich: porównanie

Klasteryzacja k-średnich z 3 klastrami

Klasteryzacja hierarchiczna z 3 klastrami

Analiza skupień w Pythonie

Podsumowanie

  • Każda technika ma swoje zalety i wady
  • Przed wyborem algorytmu należy wziąć pod uwagę rozmiar i wzorce danych
  • Klasteryzacja jest fazą eksploracyjną analizy
Analiza skupień w Pythonie

Czas na ćwiczenia

Analiza skupień w Pythonie

Preparing Video For Download...