Limitările algoritmului k-means

Analiza clusterelor în Python

Shaumik Daityari

Business Analyst

Limitările algoritmului k-means

  • Cum se determină _K_ (numărul de clustere)?
  • Impactul seed-urilor
  • Tendință spre clustere de dimensiuni egale
Analiza clusterelor în Python

Impactul seed-urilor

Inițializarea unui seed aleatoriu

from numpy import random
random.seed(12)

Seed: np.array(1000, 2000)

Dimensiuni clustere: 29, 29, 43, 47, 52

 

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

Dimensiuni clustere: 26, 31, 40, 50, 53

Analiza clusterelor în Python

Impactul seed-urilor: grafice

Seed: np.array(1000, 2000)

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

Analiza clusterelor în Python

Clustere uniforme în k-means

Analiza clusterelor în Python

Clustere uniforme în k-means: comparație

K-means cu 3 clustere

Clustering ierarhic cu 3 clustere

Analiza clusterelor în Python

Concluzii

  • Fiecare metodă are avantaje și dezavantaje
  • Analizați dimensiunea și structura datelor înainte de a alege algoritmul
  • Clusteringul este o etapă exploratorie a analizei
Analiza clusterelor în Python

Urmează exercițiile

Analiza clusterelor în Python

Preparing Video For Download...