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
学习python的几条建议分享
Feb 10 Python
常见的在Python中实现单例模式的三种方法
Apr 08 Python
Flask入门之上传文件到服务器的方法示例
Jul 18 Python
python将字符串以utf-8格式保存在txt文件中的方法
Oct 30 Python
对python中的try、except、finally 执行顺序详解
Feb 18 Python
Python字符串的一些操作方法总结
Jun 10 Python
Pytorch根据layers的name冻结训练方式
Jan 06 Python
python设置代理和添加镜像源的方法
Feb 14 Python
有趣的Python图片制作之如何用QQ好友头像拼接出里昂
Apr 22 Python
Django Channel实时推送与聊天的示例代码
Apr 30 Python
python 下载文件的几种方式分享
Apr 07 Python
matplotlib之pyplot模块实现添加子图subplot的使用
Apr 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
编写PHP的安全策略
2006/10/09 PHP
PHP计算百度地图两个GPS坐标之间距离的方法
2015/01/09 PHP
CI(Codeigniter)的Setting增强配置类实例
2016/01/06 PHP
PHP根据session与cookie用户登录状态操作类的代码
2016/05/13 PHP
CI框架源码解读之URI.php中_fetch_uri_string()函数用法分析
2016/05/18 PHP
Laravel Memcached缓存驱动的配置与应用方法分析
2016/10/08 PHP
EXTJS内使用ACTIVEX控件引起崩溃问题的解决方法
2010/03/31 Javascript
javaScript call 函数的用法说明
2010/04/09 Javascript
javascript cookie操作类的实现代码小结附使用方法
2010/06/02 Javascript
js getBoundingClientRect() 来获取页面元素的位置
2010/11/25 Javascript
FF IE浏览器修改标签透明度的方法
2014/01/27 Javascript
javascript实现获取浏览器版本、操作系统类型
2015/01/29 Javascript
深入理解JavaScript系列(41):设计模式之模板方法详解
2015/03/04 Javascript
jq实现左侧显示图片右侧文字滑动切换效果
2015/08/04 Javascript
JavaScript动态创建div等元素实例讲解
2016/01/06 Javascript
原生JS实现首页进度加载动画
2016/09/14 Javascript
JavaScript利用fetch实现异步请求的方法实例
2017/07/26 Javascript
微信小程序多列选择器range-key使用详解
2020/03/30 Javascript
Vue+iview+webpack ie浏览器兼容简单处理
2019/09/20 Javascript
vue实现将数据存入vuex中以及从vuex中取出数据
2019/11/08 Javascript
[43:24]VG vs Serenity 2018国际邀请赛小组赛BO2 第二场 8.17
2018/08/20 DOTA
Python随机生成数模块random使用实例
2015/04/13 Python
Python中用Decorator来简化元编程的教程
2015/04/13 Python
利用Python为iOS10生成图标和截屏
2016/09/24 Python
python下setuptools的安装详解及No module named setuptools的解决方法
2017/07/06 Python
python实现数据库跨服务器迁移
2018/04/12 Python
python代码过长的换行方法
2018/07/19 Python
Python通过Pillow实现图片对比
2020/04/29 Python
html5的canvas实现3d雪花飘舞效果
2013/12/27 HTML / CSS
中软Java笔试题
2012/11/11 面试题
销售业务员岗位职责
2014/01/29 职场文书
设备动力科岗位职责范本
2014/02/23 职场文书
工作评语大全
2014/04/26 职场文书
最美护士演讲稿
2014/08/27 职场文书
教代会开幕词
2015/01/28 职场文书
试用期转正工作总结2015
2015/05/28 职场文书