Como avaliar um modelo de aprendizagem não supervisionado com k-médias
Depois de ter escolhido o seu número de agrupamentos para análise preditiva e criaram o algoritmo para preencher os clusters, você tem um modelo preditivo. Você pode fazer previsões com base em novos dados de entrada chamando o prever
Conteúdo
gt; gt; gt; # Para chamar a função prever com um único observationgt; gt; gt; kmeans.predict ([5,1, 3,5, 1,4, 0,2]) matriz ([1])
Quando o prever função encontra o centro de aglomerado que a observação está mais próxima, ele produz o índice de matriz que do centro do cluster. matrizes Python são indexados em 0 (isto é, o primeiro item começa em 0). Observações mais próximas de um centro de cluster serão agrupados em que cluster.
Video: Data Mining: Agrupamiento con K-Means. Segunda Parte
Neste exemplo, o K-means prevê que a observação pertence ao Cluster 1 (setosa neste caso) - uma previsão fácil, porque a classe setosa é linearmente separáveis e longe das outras duas classes.
Além disso, este exemplo inclui apenas a primeira observação do conjunto de dados para fazer a previsão verificável e fácil de explicar. Você pode ver que os atributos da observação que estamos tentando prever são muito perto do centro da segunda cluster (kmeans.cluster_centers_ [1]).
Para ver os centros de cluster, digite o seguinte código:
gt; gt; gt; kmeans.cluster_centers_array ([[5,9016129, 2,7483871, 4,39354839, 1,43387097], [5,006, 3,418, 1,464, 0,244], [6,85, 3,07368421, 5,74210526, 2,07105263]])
Para ver os rótulos de cluster que o algoritmo K-means produz, digite o seguinte código:
Video: Clustering 2/5 - Algoritmo k-medias
gt; gt; gt; kmeans.labels_array ([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,1, 1, 1, 1, 1, 1 , 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 , 1, 1, 0,0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,0, 0, 0, 0, 0 , 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0,0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 , 0, 0, 2, 0,2, 2, 2, 2, 0, 2, 2, 2, 2, 2, 2, 0, 0, 2, 2, 2, 2,0, 2, 0, 2 , 0, 2, 2, 0, 0, 2, 2, 2, 2, 2, 0, 2, 2,2, 2, 0, 2, 2, 2, 0, 2, 2, 2, 0, 2 , 2, 0])
Você também pode usar o prever funcionar para avaliar um conjunto de observações, como mostrado a seguir:
gt; gt; gt; # Para chamar o método prever com um conjunto de pointsgt dados; gt; gt; kmeans.predict ([[5,1, 3,5, 1,4, 0,2], [5,9, 3,0, 5,1, 1,8]]) matriz ([1,0])
Embora você sabe que a solução de três clusters é tecnicamente correto, não se surpreenda se intuitivamente a solução de dois clusters parece procurar o melhor. Se você aumentar o número de clusters para além de três, taxa de sucesso de suas previsões começa a quebrar. Com um pouco de sorte (e alguns de adivinhação educada), você vai escolher o melhor número de clusters.
Video: Kmeans
Considere o processo como misturar um pouco da arte com a ciência. Mesmo o próprio algoritmo utiliza aleatoriedade em sua seleção dos pontos de dados iniciais que usa para iniciar cada cluster. Assim, mesmo se você está adivinhando, você está em boa companhia.
Avaliar o desempenho de um algoritmo requer uma etiqueta que representa o esperado valor e um previu valor para o comparar com. Lembre-se que quando você aplica um algoritmo de agrupamento para um modelo de aprendizagem não supervisionada, você não sabe o que os valores esperados são - e você não dar rótulos ao algoritmo de agrupamento.
O algoritmo coloca pontos de dados em clusters com base no qual os pontos de dados são semelhantes a um outro- pontos de dados diferentes acabam em outros clusters. Para o conjunto de dados Iris, K-means não tem noção de setosa, Versicolor, ou Virginica classes: ele só sabe que é suposto a se agrupar os dados em três grupos e nomeá-los aleatoriamente 0-2.
O propósito da aprendizagem não supervisionado com agrupamento é encontrar relacionamentos significativos nos dados, de preferência onde você não poderia tê-los visto de outra forma. Cabe a você decidir se essas relações são uma boa base para uma visão prática.