k-means & DBSCAN 总结


Posted in Python onApril 27, 2021

k-means

概述

k-means 通常被称为劳埃德算法, 是聚类算法中最经典也是最容易理解的模型. 简单的来说聚类就是把相似的东西分到一组.
k-means & DBSCAN 总结

基本概念

k 值:

  • 要得到簇的个数

质心:

  • 均值, 即向量各维度取平均即可

距离的度量:

  • 欧几里得距离和余弦相似度

优化目标:
k-means & DBSCAN 总结

代码:

class sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=1, algorithm='auto')
  """
  :param n_clusters:要形成的聚类数以及生成的质心数

  :param init:初始化方法,默认为'k-means ++',以智能方式选择k-均值聚类的初始聚类中心,以加速收敛;random,从初始质心数据中随机选择k个观察值(行

  :param n_init:int,默认值:10使用不同质心种子运行k-means算法的时间。最终结果将是n_init连续运行在惯性方面的最佳输出。

  :param n_jobs:int用于计算的作业数量。这可以通过并行计算每个运行的n_init。如果-1使用所有CPU。如果给出1,则不使用任何并行计算代码,这对调试很有用。对于-1以下的n_jobs,使用(n_cpus + 1 + n_jobs)。因此,对于n_jobs = -2,所有CPU都使用一个。

  :param random_state:随机数种子,默认为全局numpy随机数生成器
  """

基本方法

fit(X,y=None)

使用 X 作为训练数据拟合模型. 如:

kmeans.fit(X)

predict(X)

预测新的数据所在的类别. 如:

kmeans.predict([[0, 0], [4, 4]])
array([0, 1], dtype=int32)

clustercenters

获取集群中心的点坐标. 如:

kmeans.cluster_centers_
array([[ 1.,  2.],
       [ 4.,  2.]])

labels_

获取每个点的类别. 如:

kmeans.labels_

工作流程

算法的执行过程分为 4 个阶段:

  1. 随机设 k 个特征空间内的点作为初始的聚类中心
  2. 对于根据每个数据的特征向量, 从 k 个聚类中心中寻找最近的一个, 并把该暑假标记为这个聚类的中心
  3. 在所有的数据都被标记过聚类中心之后, 根据这些数据分配的类簇, 通过取分配每个先前质心的所有样本的平均值来创建新的质心重, 新对 k 个聚类中心做计算
  4. 计算旧和新质心之间的差异. 如果所有的数据点从属的聚类中心与上一次的分配的类簇没有变化, 那么迭代就可以停止, 否则回到步骤 2 继续循环
    k-means & DBSCAN 总结

优势 vs 劣势

优势

  • 算法原理简单, 可解释性好
  • 收敛速度快
  • 调参的时候只需要改变 k 一个参数

劣势

  • k 值难以确定
  • 复杂度与样本呈线性关系
  • 很难发现任意形状的簇

DBSCAN 算法

概述

DBSCAN 算法 (Density-Based Spatial Clustering of Applications with Noise) 是一种基于密度空间聚类算法.
k-means & DBSCAN 总结

基本概念

核心对象:

  • 若某个点的密度达到算法设定的阈值则其为核心点
  • 即 r 邻域内的点的数量不小于 minPts

邻域的距离阈值:

  • 设定的半径 r

直接密度可达:

  • 若某点 p 在点 q 的 r 邻域内, 且 q 是核心点则 p-q 直接密度可达

密度可达:

  • 若有一个点的序列 q0, q1, … qk, 对任意 qi-qi-1 是直接密度可达的, 则从 q0 到 qk 密度可达, 这实际上是直接密度可达的 “传播”

密度相连:

  • 若从某核心点 p 出发, 点 q 和点 k 都是密度可达的. 则称点 q 和点 k 是密度相连的

边界点:

  • 属于某一个类的非核心点, 不能发展下线了

噪声点:

  • 不属于任何一个类簇的点, 从任何一个核心出发都是密度不可达的

图解

k-means & DBSCAN 总结

  • A: 核心对象
  • B, C: 边界点
  • N: 离群点

工作流程

  • 参数 D: 输入数据集
  • 参数 e: 指定半径
  • MinPts: 密度阈值

优势 vs 劣势

优势

  • 不需要指定簇个数
  • 可以发现任意形状的簇
  • 擅长找到离群点 (检测任务)
  • 只需两个参数

劣势

  • 高维数据不是特别适用 (可以做降维)
  • 参数对结果的影响非常大
  • Sklearn 中效率并不是很高 (数据削减策略)

总结

DBSCAN 的总体效果比 k-means 好很多, 当我们需要用到聚类算法的时候推荐使用 DBSCAN, 特别在数据不规则的情况下.
k-means & DBSCAN 总结

Python 相关文章推荐
在Django中管理Users和Permissions以及Groups的方法
Jul 23 Python
Swift中的协议(protocol)学习教程
Jul 08 Python
python 调用HBase的简单实例
Dec 18 Python
Python实现基于PIL和tesseract的验证码识别功能示例
Jul 11 Python
django之状态保持-使用redis存储session的例子
Jul 28 Python
django-rest-swagger的优化使用方法
Aug 29 Python
使用python实现对元素的长截图功能
Nov 14 Python
Python使用文件操作实现一个XX信息管理系统的示例
Jul 02 Python
python进行二次方程式计算的实例讲解
Dec 06 Python
Python实现小黑屋游戏的完整实例
Jan 06 Python
Python基础之进程详解
May 21 Python
Python竟然能剪辑视频
May 25 Python
秀!学妹看见都惊呆的Python小招数!【详细语言特性使用技巧】
Apr 27 #Python
Python代码,能玩30多款童年游戏!这些有几个是你玩过的
python实现腾讯滑块验证码识别
Apr 27 #Python
python实现调用摄像头并拍照发邮箱
Apr 27 #Python
django如何自定义manage.py管理命令
Apr 27 #Python
Python爬虫之爬取二手房信息
七个Python必备的GUI库
You might like
php出现Cannot modify header information问题的解决方法大全
2008/04/09 PHP
php数组函数序列 之shuffle()和array_rand() 随机函数使用介绍
2011/10/29 PHP
php格式化日期实例分析
2014/11/12 PHP
SlideView 图片滑动(扩展/收缩)展示效果
2010/08/01 Javascript
页面调用单个swf文件,嵌套出多个方法。
2011/11/21 Javascript
javascript setTimeout和setInterval计时的区别详解
2013/06/21 Javascript
[JSF]使用DataModel处理表行事件的实例代码
2013/08/05 Javascript
将字符串中由空格隔开的每个单词首字母大写
2014/04/06 Javascript
关于微信中a链接无法跳转问题
2016/08/02 Javascript
AngularJS基础 ng-show 指令简单示例
2016/08/03 Javascript
微信小程序之购物车功能
2020/09/23 Javascript
浅析Vue 生命周期
2018/06/21 Javascript
Vuepress 搭建带评论功能的静态博客的实现
2019/02/17 Javascript
微信小程序云开发之使用云存储
2019/05/17 Javascript
JavaScript内置对象math,global功能与用法实例分析
2019/06/10 Javascript
使用Vue-Awesome-Swiper实现旋转叠加轮播效果&平移轮播效果
2019/08/16 Javascript
uni-app自定义导航栏按钮|uniapp仿微信顶部导航条功能
2019/11/12 Javascript
node.js 微信开发之定时获取access_token
2020/02/07 Javascript
python之模拟鼠标键盘动作具体实现
2013/12/30 Python
python列表操作实例
2015/01/14 Python
python控制台中实现进度条功能
2015/11/10 Python
解决python3读取Python2存储的pickle文件问题
2018/10/25 Python
Python获取数据库数据并保存在excel表格中的方法
2019/06/12 Python
Python3 Tkinter选择路径功能的实现方法
2019/06/14 Python
通过实例简单了解Python中yield的作用
2019/12/11 Python
Python3.9.1中使用split()的处理方法(推荐)
2021/02/07 Python
html5拖曳操作 HTML5实现网页元素的拖放操作
2013/01/02 HTML / CSS
多视角3D可旋转的HTML5 Logo动画
2016/03/02 HTML / CSS
欧洲最大的笔和书写专家:The Pen Shop
2017/03/19 全球购物
Unix如何添加新的用户
2014/08/20 面试题
祖国在我心中演讲稿500字
2014/05/04 职场文书
银行职员工作失误检讨书
2014/10/14 职场文书
经费申请报告范文
2015/05/18 职场文书
死亡诗社观后感
2015/06/05 职场文书
投资入股协议书
2016/03/22 职场文书
导游词之介休绵山
2019/12/31 职场文书