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
python socket 超时设置 errno 10054
Jul 01 Python
Python模块搜索概念介绍及模块安装方法介绍
Jun 03 Python
python实现手机通讯录搜索功能
Feb 22 Python
PyQt5每天必学之切换按钮
Aug 20 Python
python批量赋值操作实例
Oct 22 Python
python 返回一个列表中第二大的数方法
Jul 09 Python
python实现列表中最大最小值输出的示例
Jul 09 Python
python opencv实现证件照换底功能
Aug 19 Python
使用Python制作一个打字训练小工具
Oct 01 Python
使用Django xadmin 实现修改时间选择器为不可输入状态
Mar 30 Python
python连接mysql数据库并读取数据的实现
Sep 25 Python
python实现经典排序算法的示例代码
Feb 07 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
使用GD库生成带阴影文字的图片
2015/03/27 PHP
PHP读取XML格式文件的方法总结
2017/02/27 PHP
在 Laravel 6 中缓存数据库查询结果的方法
2019/12/11 PHP
CI框架简单分页类用法示例
2020/06/06 PHP
基于jQuery的弹出消息插件 DivAlert之旅(一)
2010/04/01 Javascript
jquery及原生js获取select下拉框选中的值示例
2013/10/25 Javascript
JavaScript中判断对象类型的几种方法总结
2013/11/11 Javascript
浅谈JavaScript中指针和地址
2015/07/26 Javascript
text-align:justify实现文本两端对齐 兼容IE
2015/08/19 Javascript
jQuery拖动布局其结果保存到数据库
2015/10/09 Javascript
详解javascript高级定时器
2015/12/31 Javascript
深入理解jQuery事件绑定
2016/06/02 Javascript
jquery心形点赞关注效果的简单实现
2016/11/14 Javascript
微信小程序 实现拖拽事件监听实例详解
2016/11/16 Javascript
利用Vue v-model实现一个自定义的表单组件
2017/04/27 Javascript
JS判断数组那点事
2017/10/10 Javascript
JavaScript对象字面量和构造函数原理与用法详解
2020/04/18 Javascript
OpenLayers3实现地图鹰眼以及地图比例尺的添加
2020/09/25 Javascript
axios解决高并发的方法:axios.all()与axios.spread()的操作
2020/11/09 Javascript
Python常见内置高效率函数用法示例
2018/07/31 Python
Python全局变量与局部变量区别及用法分析
2018/09/03 Python
Numpy将二维数组添加到空数组的实现
2019/12/05 Python
Anaconda3+tensorflow2.0.0+PyCharm安装与环境搭建(图文)
2020/02/18 Python
Keras设定GPU使用内存大小方式(Tensorflow backend)
2020/05/22 Python
Django实现文章详情页面跳转代码实例
2020/09/16 Python
Django创建一个后台的基本步骤记录
2020/10/02 Python
英国著名书店:Foyles
2018/12/01 全球购物
简单而又朴实的个人求职信分享
2013/12/12 职场文书
年会搞笑主持词串词
2014/03/24 职场文书
宣传工作经验材料
2014/06/02 职场文书
庆六一活动总结
2014/08/29 职场文书
人事局接收函
2015/01/30 职场文书
升职感谢领导的话语及升职感谢信
2019/06/24 职场文书
教你怎么用python爬取爱奇艺热门电影
2021/05/20 Python
基于Python实现将列表数据生成折线图
2022/03/23 Python
详解Mysql事务并发(脏读、不可重复读、幻读)
2022/04/29 MySQL