Python 中的无监督学习算法!深度学习这步开始!你看的懂算我输
进群:548377875 ? 即可获取数十套PDF哦! src 上面的图像是监督学习的一个例子; 我们使用回归算法找到特征之间的最佳拟合线。在无监督学习中,输入的数据以特征为基础而被分隔成不同的群集,并且预测它所属的群集。 重要术语 Feature: 用于进行预测的输入变量。 Predictions:?输入示例时的模型输出。 Example: 一行数据集。一个 example 包含一个或多个特征以及可能的标签。 Label:?特征结果。 # 引入模块 from sklearn import datasets import matplotlib.pyplot as plt # 加载数据集 iris_df = datasets.load_iris() # 数据集上的可用方法 print(dir(iris_df)) # 特征 print(iris_df.feature_names) # 目标 print(iris_df.target) # 目标名称 print(iris_df.target_names) label = {0: 'red',1: 'blue',2: 'green'} # 数据集切片 x_axis = iris_df.data[:,0] # Sepal Length y_axis = iris_df.data[:,2] # Sepal Width # 绘制 plt.scatter(x_axis,y_axis,c=iris_df.target) plt.show() ['DESCR','data','feature_names','target','target_names'] ['sepal length (cm)','sepal width (cm)','petal length (cm)','petal width (cm)'] [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2] ['setosa' 'versicolor' 'virginica'] 紫色:Setosa,绿色: Versicolor,黄色:Virginica 聚类 在群集中,数据分为几组。简而言之,目的是将具有相似特征的群体分开并将其分配到对应的群集中。 可视化的例子, 在上图中,左边的图像是未进行分类的原始数据,右边的图像是聚类的(数据根据其特征进行分类)。当给出要预测的输入时,它根据它的特征检查它所属的群集,并进行预测。 Python 中的 K-均值 聚类算法 K 均值是一种迭代聚类算法,旨在在每次迭代中找到局部最大值。最初选择所需数量的群集。由于我们知道涉及 3 个类别,因此我们将算法编程为将数据分组为 3 个类别,方法是将参数 “n_clusters” 传递给我们的 K 均值模型。现在随机将三个点(输入)分配到三个群集中。基于每个点之间的质心距离,下一个给定的输入被分配到相应的群集。现在,重新计算所有群集的质心。 群集的每个质心都是一组特征值,用于定义结果组。检查质心特征权重可用于定性地解释每个群集代表什么类型的组。 我们从 sklearn 库导入 K 均值模型,拟合特征并预测。 Python 中的 K 均值算法实现。 # 引入模块 from sklearn import datasets from sklearn.cluster import KMeans # 加载数据集 iris_df = datasets.load_iris() # 声明模型 model = KMeans(n_clusters=3) # 拟合模型 model.fit(iris_df.data) # 预测单个输入 predicted_label = model.predict([[7.2,3.5,0.8,1.6]]) # 预测整个数据 all_predictions = model.predict(iris_df.data) # 打印预测结果 print(predicted_label) print(all_predictions) [0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 1 1 1 1 2 1 1 1 1 1 1 2 2 1 1 1 1 2 1 2 1 2 1 1 2 2 1 1 1 1 1 2 1 1 1 1 2 1 1 1 2 1 1 1 2 1 1 2] 分层聚类 顾名思义,分层聚类是一种构建聚类层次结构的算法。该算法从分配给自己的群集的所有数据开始。然后将两个最接近的群集合并到同一群集中。最后,当只剩下一个群集时,该算法结束。 可以使用树形图显示分层聚类的完成过程。现在让我们看一下谷物数据的层次聚类的例子。数据集可以在这里找到。 Python 中分层聚类算法的实现。 # 引入模块 from scipy.cluster.hierarchy import linkage,dendrogram import matplotlib.pyplot as plt import pandas as pd # 读入 DataFrame seeds_df = pd.read_csv( "https://raw.githubusercontent.com/vihar/unsupervised-learning-with-python/master/seeds-less-rows.csv") # 从 DataFrame 中删除谷物种类,稍后再保存 varieties = list(seeds_df.pop('grain_variety')) # 将测量值提取为 NumPy 数组 samples = seeds_df.values """ 使用带有 method ='complete' 关键字参数的 linkage()函数对样本执行分层聚类。 将结果合并。 """ mergings = linkage(samples,method='complete') """ 在合并时使用 dendrogram() 函数绘制树形图, 指定关键字参数 labels = varieties,leaf_rotation = 90 和 leaf_font_size = 6。 """ dendrogram(mergings, labels=varieties, leaf_rotation=90, leaf_font_size=6, ) plt.show() K 均值和分层聚类之间的差异
t-SNE聚类 它是可视化的无监督学习方法之一。t-SNE 代表?t 分布的随机嵌入邻域。它将高维空间映射到可以可视化的 2 维或 3 维空间。具体地,它通过二维或三维点对每个高维对象建模,使得相似对象由附近点建模,而非相似对象由远点以高概率建模。 用于鸢尾花数据集的 Python 中的 t-SNE 聚类实现 # 引入模块 from sklearn import datasets from sklearn.manifold import TSNE import matplotlib.pyplot as plt # 加载数据集 iris_df = datasets.load_iris() # 定义模型 model = TSNE(learning_rate=100) # 拟合模型 transformed = model.fit_transform(iris_df.data) # 绘制二维的 t-Sne x_axis = transformed[:,0] y_axis = transformed[:,1] plt.scatter(x_axis,c=iris_df.target) plt.show() 紫色:Setosa,绿色:Versicolor,黄色:Virginica 这里,由于鸢尾花数据集具有四个特征(4d),因此它被转换并以二维图形表示。类似地,t-SNE 模型可以应用于具有 n 个特征的数据集。 DBSCAN 聚类 DBSCAN(具有噪声的基于密度的聚类方法)是一种流行的聚类算法,用于替代预测分析中的 K 均值。它不需要输入群集的数量就能运行。但是,你必须调整另外两个参数。 scikit-learn 实现提供了 eps 和 min_samples 参数的默认值,但是你通常需要调整这些参数。eps 参数是要在同一邻域中考虑的两个数据点之间的最大距离。min_samples 参数是邻域中被视为群集的数据点的最小数量。 Python 中的 DBSCAN 聚类 # 引入模块 from sklearn.datasets import load_iris import matplotlib.pyplot as plt from sklearn.cluster import DBSCAN from sklearn.decomposition import PCA # 加载数据集 iris = load_iris() # 声明模型 dbscan = DBSCAN() # 拟合 dbscan.fit(iris.data) # 使用PCA进行转换 pca = PCA(n_components=2).fit(iris.data) pca_2d = pca.transform(iris.data) # 基于类别进行绘制 for i in range(0,pca_2d.shape[0]): if dbscan.labels_[i] == 0: c1 = plt.scatter(pca_2d[i,0],pca_2d[i,1],c='r',marker='+') elif dbscan.labels_[i] == 1: c2 = plt.scatter(pca_2d[i,c='g',marker='o') elif dbscan.labels_[i] == -1: c3 = plt.scatter(pca_2d[i,c='b',marker='*') plt.legend([c1,c2,c3],['Cluster 1','Cluster 2','Noise']) plt.title('DBSCAN finds 2 clusters and Noise') plt.show() 更多无监督技术:
后记 感谢阅读。如果你发现这篇文章有用,请点击下面的 关注 转发来传递爱吧。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |