python聚類算法選擇方法實(shí)例
說明
1、如果數(shù)據(jù)集是高維度的，選擇譜聚類是子空間的一種。
2、如果數(shù)據(jù)量是中小型的，比如在100W條以內(nèi)，K均值會(huì)是更好的選擇；如果數(shù)據(jù)量超過100W條，可以考慮使用MiniBatchKMeans。
3、如果數(shù)據(jù)集中有噪聲(離群點(diǎn))，使用基于密度的DBSCAN可以有效解決這個(gè)問題。
4、若追求更高的分類準(zhǔn)確性，則選擇譜聚類比K均值準(zhǔn)確性更好。
實(shí)例
import numpy as np
import matplotlib.pyplot as plt
# 數(shù)據(jù)準(zhǔn)備
raw_data = np.loadtxt('./pythonlearn/cluster.txt') # 導(dǎo)入數(shù)據(jù)文件
X = raw_data[:, :-1] # 分割要聚類的數(shù)據(jù)
y_true = raw_data[:, -1]
print(X)
知識(shí)點(diǎn)擴(kuò)充：
聚類算法
有許多類型的聚類算法。許多算法在特征空間中的示例之間使用相似度或距離度量，以發(fā)現(xiàn)密集的觀測(cè)區(qū)域。因此，在使用聚類算法之前，擴(kuò)展數(shù)據(jù)通常是良好的實(shí)踐。
聚類分析的所有目標(biāo)的核心是被群集的各個(gè)對(duì)象之間的相似程度（或不同程度）的概念。聚類方法嘗試根據(jù)提供給對(duì)象的相似性定義對(duì)對(duì)象進(jìn)行分組。
一些聚類算法要求您指定或猜測(cè)數(shù)據(jù)中要發(fā)現(xiàn)的群集的數(shù)量，而另一些算法要求指定觀測(cè)之間的最小距離，其中示例可以被視為“關(guān)閉”或“連接”。因此，聚類分析是一個(gè)迭代過程，在該過程中，對(duì)所識(shí)別的群集的主觀評(píng)估被反饋回算法配置的改變中，直到達(dá)到期望的或適當(dāng)?shù)慕Y(jié)果。scikit-learn 庫提供了一套不同的聚類算法供選擇。下面列出了10種比較流行的算法：
- 親和力傳播
- 聚合聚類
- BIRCH
- DBSCAN
- K-均值
- Mini-Batch K-均值
- Mean Shift
- OPTICS
- 光譜聚類
- 高斯混合
每個(gè)算法都提供了一種不同的方法來應(yīng)對(duì)數(shù)據(jù)中發(fā)現(xiàn)自然組的挑戰(zhàn)。沒有最好的聚類算法，也沒有簡單的方法來找到最好的算法為您的數(shù)據(jù)沒有使用控制實(shí)驗(yàn)。在本教程中，我們將回顧如何使用來自 scikit-learn 庫的這10個(gè)流行的聚類算法中的每一個(gè)。這些示例將為您復(fù)制粘貼示例并在自己的數(shù)據(jù)上測(cè)試方法提供基礎(chǔ)。我們不會(huì)深入研究算法如何工作的理論，也不會(huì)直接比較它們。讓我們深入研究一下。
到此這篇關(guān)于python聚類算法選擇方法實(shí)例的文章就介紹到這了,更多相關(guān)python聚類算法如何選擇內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python實(shí)現(xiàn)轉(zhuǎn)盤效果 python實(shí)現(xiàn)輪盤抽獎(jiǎng)游戲
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)轉(zhuǎn)盤效果，python實(shí)現(xiàn)輪盤抽獎(jiǎng)游戲，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-01-01
這篇文章主要給大家介紹了關(guān)于Python TestCase中的斷言方法的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-05-05
python利用Excel讀取和存儲(chǔ)測(cè)試數(shù)據(jù)完成接口自動(dòng)化教程
這篇文章主要介紹了python利用Excel讀取和存儲(chǔ)測(cè)試數(shù)據(jù)完成接口自動(dòng)化教程，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-04-04
利用Python實(shí)現(xiàn)K-Means聚類的方法實(shí)例(案例:用戶分類)
k-means是發(fā)現(xiàn)給定數(shù)據(jù)集的k個(gè)簇的算法,也就是將數(shù)據(jù)集聚合為k類的算法,下面這篇文章主要給大家介紹了關(guān)于利用Python實(shí)現(xiàn)K-Means聚類的相關(guān)資料,需要的朋友可以參考下2022-05-05
這篇文章主要介紹了Python調(diào)用C/C++的方法解析，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08
Python?matplotlib繪圖時(shí)指定圖像大小及放大圖像詳解
Matplotlib是一個(gè)面向?qū)ο蟮睦L圖庫,我們繪制的圖像中,每條曲線,每個(gè)邊框等等都對(duì)應(yīng)一個(gè)對(duì)象,下面這篇文章主要給大家介紹了關(guān)于Python?matplotlib繪圖時(shí)指定圖像大小及放大圖像的相關(guān)資料,需要的朋友可以參考下2022-05-05
這篇文章主要給大家介紹了關(guān)于matlab繪制局部放大圖的相關(guān)資料,所謂局部放大即呈現(xiàn)子圖,以顯示局部細(xì)節(jié),需要的朋友可以參考下2023-07-07
這篇文章主要介紹了python類繼承和多態(tài)原理解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02
Python 中的列表（List）和元組（Tuple）是兩種常用的數(shù)據(jù)結(jié)構(gòu),它們都可以用來存儲(chǔ)一系列的元素,在本文中,我們將分享一些 Python 中列表和元組的操作技巧,幫助您更好地理解它們的用法和特性,需要的朋友可以參考下2024-05-05
顯著性檢測(cè)就是使用圖像處理技術(shù)和計(jì)算機(jī)視覺算法來定位圖片中最“顯著”的區(qū)域，本文主要介紹了openCV顯著性檢測(cè)的使用，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-03-03