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
Pyramid将models.py文件的内容分布到多个文件的方法
Nov 27 Python
Python MySQLdb模块连接操作mysql数据库实例
Apr 08 Python
浅谈Python中函数的参数传递
Jun 21 Python
python实现将一个数组逆序输出的方法
Jun 25 Python
DJANGO-URL反向解析REVERSE实例讲解
Oct 25 Python
python scrapy重复执行实现代码详解
Dec 28 Python
Pytorch释放显存占用方式
Jan 13 Python
python matplotlib实现将图例放在图外
Apr 17 Python
用pandas划分数据集实现训练集和测试集
Jul 20 Python
Python如何截图保存的三种方法(小结)
Sep 01 Python
linux mint中搜狗输入法导致pycharm卡死的问题
Oct 28 Python
python操作ini类型配置文件的实例教程
Oct 30 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
一个连接两个不同MYSQL数据库的PHP程序
2006/10/09 PHP
解析php中如何直接执行SHELL
2013/06/28 PHP
详解WordPress中用于合成数组的wp_parse_args()函数
2015/12/18 PHP
php的优点总结 php有哪些优点
2019/07/19 PHP
jQuery新闻滚动插件 jquery.roller.js
2011/06/27 Javascript
JS禁用浏览器退格键实现思路及代码
2013/10/29 Javascript
JS弹出层的显示与隐藏示例代码
2013/12/27 Javascript
js实现正方形颜色从下往上升的效果
2014/08/04 Javascript
JavaScript中使用arguments获得函数传参个数实例
2014/08/27 Javascript
JavaScript实现横向滑出的多级菜单效果
2015/10/09 Javascript
几种响应式文字详解
2017/05/19 Javascript
webpack4 SplitChunks实现代码分隔详解
2019/05/23 Javascript
javascript的惯性运动实现代码实例
2019/09/07 Javascript
javascript实现切割轮播效果
2019/11/28 Javascript
javascript实现的图片预览和上传功能示例【兼容IE 9】
2020/05/01 Javascript
纯js+css实现在线时钟
2020/08/18 Javascript
Openlayers实现点闪烁扩散效果
2020/09/24 Javascript
[01:15:45]DOTA2上海特级锦标赛B组小组赛#1 Alliance VS Spirit第一局
2016/02/26 DOTA
Python单元测试实例详解
2018/05/25 Python
python 弹窗提示警告框MessageBox的实例
2019/06/18 Python
在Python IDLE 下调用anaconda中的库教程
2020/03/09 Python
python利用os模块编写文件复制功能——copy()函数用法
2020/07/13 Python
python 批量下载bilibili视频的gui程序
2020/11/20 Python
python解包概念及实例
2021/02/17 Python
CSS3实现圆角、阴影、透明效果并兼容各大浏览器
2014/08/08 HTML / CSS
HTML5中判断横屏竖屏的方法(移动端)
2016/08/04 HTML / CSS
FC-Moto西班牙:摩托车手最大的购物场所之一
2019/04/11 全球购物
采用怎样的方法保证数据的完整性
2013/12/02 面试题
农救科工作职责
2013/11/27 职场文书
法律专业实习鉴定
2013/12/22 职场文书
毕业生就业协议书
2014/04/11 职场文书
建材投资建议书
2014/05/16 职场文书
工会趣味活动方案
2014/08/18 职场文书
寒暑假实习证明书模板
2014/11/29 职场文书
机关干部纪律作风整顿心得体会
2016/01/23 职场文书
MySQL复制问题的三个参数分析
2021/04/07 MySQL