【机器学习】使用scikitLearn对数据进行聚类:高斯聚类GaussianMixture

本文主要是介绍【机器学习】使用scikitLearn对数据进行聚类:高斯聚类GaussianMixture,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

无监督学习:
【机器学习】使用scikitLearn对数据进行聚类:Kmeans聚类算法及聚类效果评估
【机器学习】使用scikitLearn对数据进行聚类:Kmeans聚类算法的应用及密度聚类DBSCAN
【机器学习】使用scikitLearn对数据进行聚类:7种异常和新颖性检测方式

高斯混合模型,是一种生成模型,不但可以进行聚类,因为掌握了每一类的概率模型,还可以进行每一类新实例的生成。、
生成过程为:
假定生成m个实例,共有k个高斯分布可供选择;生成每个实例时,根据一组权重参数,先选取该实例所属集群的标签,根据标签从k个高斯分布中选取该集群对应的分布,然后再利用高斯分布采样出该实例,就完成了一个新实例点的生成。

from sklearn.mixture import GaussianMixture
#高斯聚3类
gm = GaussianMixture(n_components=3, n_init=10, random_state=42)
gm.fit(X)

模型训练结束后,可以进行如下操作:

#判断新数据点的类别
gm.predict(X)
#进行软聚类,输出新数据点属于每一类的概率
gm.predict_proba(X)
#生成6个新数据点
X_new, y_new = gm.sample(6)

其高斯分布参数采用期望最大化模型进行求解,同kmeans算法的求解较为类似,也使用n_init=10多次求解取最优值。

同时,在给定的任意坐标点处,可以输出不同集群实例分布的密度分数,密度分数越高,实例分布越密:

densities = gm.score_samples(X)

下面根据百分位数,进行密度筛选(密度选择的结果可以做异常检测):
比如筛选出分布较稀疏的前10%的密度点,假定异常率是10%:

#查看个样本所在点的密度
densities = gm.score_samples(X)
#取后10%的密度阈值(取密度最稀疏的10%的分界密度)
density_threshold = np.percentile(densities, 10)
#比该密度值还小的点是异常点,这里使用同形bool做的mask进行索引,
#找出这些最稀疏的点:
anomalies = X[densities < density_threshold]

在这里插入图片描述
标红的点被认为异常的,其常用于数据清洗工作。

限制算法的自由度,加速收敛的办法有:
设置covariance_type置,对算法的收敛做限制:
"spherical":集群为不同半径的球形。
"diag"“:集群为轴平行于坐标轴的椭圆,大小不同。
"tied":集群必须具有相同的椭圆形状,只是出现位置不同。
默认情况下,covariance_type等于"full"

实例数m、维度n、集群数k:
对于时间复杂度:当参数为full及tied时,其值为kmn2+kn3
当为前两者时,复杂度为kmn
所以高斯聚类不适用于太高维数据。

使用贝叶斯信息准则(BIC)或赤池信息准则(AIC)选择最优聚类数:
两者可以权衡所估计模型的复杂度和此模型拟合数据的优良性。
在这里插入图片描述
p为模型可学习参数量,m为实例数目,L为模型的似然函数最大值。
BIC及AIC的值越小,代表模型越好,可见实例及参数越多,似然函数值越低,代表拟合精度越差,同时算法所用实例及参数越多。
其中AIC不受实例的数目影响,BIC较AIC对精度的考虑低,对参数量的考虑多,能找出更精简的模型(实例m相当于对参数数量进行了加权)。
高斯聚类能源此法评估,是因为其计算最大期望函数时,得到了似然值。
直接调用相关函数接口去计算BIC及AIC的值:

gm.bic(X)
gm.aic(X)

或使用BayesianGaussianMixture类,并设置一个较大的集群数目,算法在运行后将自动对集群的数目进行精简。

import numpy as np
from sklearn.mixture import BayesianGaussianMixture
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [12, 4], [10, 7]])
#初始10类,最后输出将决定实际分类数。
bgm = BayesianGaussianMixture(n_components=10, random_state=42).fit(X)
#得出各类权重,部分不需要的集群权重归0,这里是超出两位小数后的位取整
np.round(bgm.weights_, 2)

输出结果中非0元素个数,即为最终确定的分类。

这篇关于【机器学习】使用scikitLearn对数据进行聚类:高斯聚类GaussianMixture的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/154698

相关文章

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

vue使用docxtemplater导出word

《vue使用docxtemplater导出word》docxtemplater是一种邮件合并工具,以编程方式使用并处理条件、循环,并且可以扩展以插入任何内容,下面我们来看看如何使用docxtempl... 目录docxtemplatervue使用docxtemplater导出word安装常用语法 封装导出方

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(