Основы кластеризации k-средних

Кластерный анализ на Python

Shaumik Daityari

Business Analyst

Почему k-средних?

Главный недостаток иерархической кластеризации: время выполнения
K-средних работает значительно быстрее на больших наборах данных

Шаг 1: формирование центров кластеров

kmeans(obs, k_or_guess, iter, thresh, check_finite)

obs: стандартизованные наблюдения
k_or_guess: количество кластеров
iter: число итераций (по умолчанию: 20)
thres: порог (по умолчанию: 1e-05)
check_finite: проверять ли, что наблюдения содержат только конечные числа (по умолчанию: True)

Возвращает два объекта: центры кластеров, искажение

Как вычисляется искажение?

Шаг 2: формирование меток кластеров

vq(obs, code_book, check_finite=True)

obs: стандартизованные наблюдения
code_book: центры кластеров
check_finite: проверять ли, что наблюдения содержат только конечные числа (по умолчанию: True)

Возвращает два объекта: список меток кластеров, список искажений

Об искажениях

kmeans возвращает одно значение искажения
vq возвращает список искажений.

Запуск k-средних

# Import kmeans and vq functions
from scipy.cluster.vq import kmeans, vq

# Generate cluster centers and labels
cluster_centers, _ = kmeans(df[['scaled_x', 'scaled_y']], 3)
df['cluster_labels'], _ = vq(df[['scaled_x', 'scaled_y']], cluster_centers)

# Plot clusters
sns.scatterplot(x='scaled_x', y='scaled_y', hue='cluster_labels', data=df)
plt.show()

Далее: упражнения!

Кластерный анализ на Python