Analiza de clusterizare: alegerea numărului optim de clustere

Exersează întrebări de interviu pentru Machine Learning în Python

Lisa Stuart

Data Scientist

Metode pentru k optim

  • Metoda siluetei
  • Metoda cotului
Exersează întrebări de interviu pentru Machine Learning în Python

Coeficientul siluetei

  • Compus din 2 scoruri
    • Distanța medie dintre fiecare observație și toate celelalte:
      • din același cluster
      • din cel mai apropiat cluster
Exersează întrebări de interviu pentru Machine Learning în Python

Valorile coeficientului siluetei

  • Între -1 și 1
    • 1
      • aproape de altele din același cluster
      • foarte departe de altele din alte clustere
    • -1
      • nu este aproape de altele din același cluster
      • aproape de altele din alte clustere
    • 0
      • indică clustere suprapuse
Exersează întrebări de interviu pentru Machine Learning în Python

Scorul siluetei

Graficul scorului siluetei

1 https://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_silhouette_analysis.html
Exersează întrebări de interviu pentru Machine Learning în Python

Metoda cotului

Graficul metodei cotului

1 https://www.datanovia.com/en/lessons/determining-the-optimal-number-of-clusters-3-must-know-methods/
Exersează întrebări de interviu pentru Machine Learning în Python

Funcții pentru selecția k optim

Funcție/metodă Returnează
sklearn.cluster.KMeans Algoritmul de clusterizare K-Means
sklearn.metrics.silhouette_score Scor între -1 și 1 ca măsură a stabilității clusterelor
kmeans.inertia_ SS distanțe ale observațiilor față de cel mai apropiat centru de cluster
range(start, stop) Listă de valori de la start până la stop (exclusiv)
list.append(kmeans.inertia_) Adaugă valoarea inerției în listă
Exersează întrebări de interviu pentru Machine Learning în Python

Să exersăm!

Exersează întrebări de interviu pentru Machine Learning în Python

Preparing Video For Download...