Begränsningar med hierarkisk klustring

Klusteranalys i Python

Shaumik Daityari

Business Analyst

Mäta hastighet vid hierarkisk klustring

Modulen timeit
Mät hastigheten för .linkage()-metoden
Använd slumpmässigt genererade punkter
Kör flera iterationer för att extrapolera

Användning av modulen `timeit`

from scipy.cluster.hierarchy import linkage
import pandas as pd
import random, timeit

points = 100
df = pd.DataFrame({'x': random.sample(range(0, points), points),
                   'y': random.sample(range(0, points), points)})

%timeit linkage(df[['x', 'y']], method = 'ward', metric = 'euclidean')

1.02 ms ± 133 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Jämförelse av körtid för linkage-metoden

Körtiden ökar med antalet datapunkter
Kvadratisk ökning av körtiden
Inte lämpligt för stora datamängder

Nu kör vi en övning!

Klusteranalys i Python