Основи кластеризації k-means

Кластерний аналіз у Python

Shaumik Daityari

Business Analyst

Чому кластеризація k-means?

Критичний недолік ієрархічної кластеризації: час виконання
K-means суттєво швидший на великих наборах даних

Крок 1: Згенерувати центри кластерів

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

obs: стандартизовані спостереження
k_or_guess: кількість кластерів
iter: кількість ітерацій (типово: 20)
thres: поріг (типово: 1e-05)
check_finite: чи перевіряти, що спостереження містять лише скінченні числа (типово: True)

Повертає два об'єкти: центри кластерів, спотворення

Як обчислюють спотворення?

Крок 2: Згенерувати мітки кластерів

vq(obs, code_book, check_finite=True)

obs: стандартизовані спостереження
code_book: центри кластерів
check_finite: чи перевіряти, що спостереження містять лише скінченні числа (типово: True)

Повертає два об'єкти: список міток кластерів, список спотворень

Примітка щодо спотворень

kmeans повертає одне значення спотворення
vq повертає список спотворень.

Запуск k-means

# 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()

Далі — вправи!

Кластерний аналіз у Python