数据可视化——聚类

聚类:在数据中识别相似行的技术
聚类与分类:区别数据有无标度
聚类技术:
K-MEANS,DBSCAN,OPTICS,etc

数据包
library("tidyverse")
library("mlr")
pacman::p_load(mlr3,mlr3cluster,mlr3viz,GGally,mlr3tuning,mlr3learners)
theme_set(theme_bw())

一、K-MEANS

随机选取K个对象作为初始的聚类中心,把每个对象分配给距离它最近的聚类中心,聚类的聚类中心会根据聚类中现有的对象被重新计算,这个过程将不断重复直到满足某个终止条件。

优点:①每次迭代时候点可在聚类间移动 ② 多变量时的计算速度可能比其他算法更快 ③有效率且不容易受到初始值的影响。
缺点:①不能处理不同尺寸,不懂密度的簇 ②由于初始中心点的随机性,每次聚类可能略有区别 ③离群值会有较大干扰(一定要在预处理时剔除掉) ④不能处理非球形簇。

参数:
centers:中心点选择参数,表示聚成几类
iter.max:迭代次数,默认10次
algorithm:算法选择的参数

常见算法:

1、Lloyd 算法:批处理或离线算法。

选择k个中心,在特征空间中随机初始化k个中心,对每行计算其和每个中心之间的距离,将各行分配到最近中心点的簇中,将每个中心移动到其所在簇的平均值处。
重复步骤,直到没有行改变簇或到最大迭代次数。

2、MacQueen 算法:增量或在线算法。

选择k个中心,在特征空间中随机初始化k个中心,将各行按距离分配到最近中心点的簇中,将每个中心移动到其所在簇的平均值处。
对每行,与各中心计算距离并分配到最近中心点的簇中,若有行换簇,则更新中心,每行处理完后,更新所有中心点。
若没有行改变簇则停止,否则重复步骤。

3、Hartigan-Wong 算法。

选择k个中心,在特征空间中随机初始化k个中心,将各行按距离分配到最近中心点的簇中,将每个中心移动到其所在簇的平均值处。
对每行,计算其在每簇时的SSE,并分到到SSE最小的簇中,若有行换簇,则更新中心。
若没有行改变簇则停止,否则重复步骤。

【例题】
data(GvHD, package = "mclust")
gvhd1 <- as_tibble(GvHD.control)
gvhd1scale <- gvhd1 %>% scale()
ggpairs(GvHD.control,
        upper = list(continuous = "density"),
        lower = list(continuous = wrap("points", size = 0.4)),
        diag = list(continuous = "densityDiag"))

选择K

 gvhdTask <- makeClusterTask(data = as.data.frame(gvhd1scale))
listLearners("cluster")$class
kMeans <- makeLearner("cluster.kmeans", par.vals = list(iter.max = 100, nstart = 10))
 kMeansPar <- makeParamSet(
  makeDiscreteParam("centers", values = 3:8),
  makeDiscreteParam("algorithm", values = c("Hartigan-Wong", "Lloyd", "MacQueen")))
gridSearch <- makeTuneControlGrid()
kFold <- makeResampleDesc("CV", iters = 10)
 tunedK <- tuneParams(kMeans, task = gvhdTask,
                     resampling = kFold,
                     par.set = kMeansPar,
                     control = gridSearch,
                     measures = list(db, G1))

比较算法

kMeansTuningData$data
longTuningData <- pivot_longer(kMeansTuningData$data,
                               c(3,4,6), names_to = "Metric", values_to = "Value")
ggplot(longTuningData, aes(centers, Value, col = algorithm)) +
  facet_wrap(~ Metric, scales = "free_y") +
  geom_line()

训练模型

tunedKMeans <- setHyperPars(kMeans, par.vals = tunedK $ x)
tunedKMeansModel <- train(tunedKMeans, gvhdTask)
kMeansModelData <- getLearnerModel(tunedKMeansModel)
kMeansModelData$iter
 gvhd1 <- gvhd1 %>% mutate(
  kMeansCluster = as.factor(kMeansModelData$cluster))
ggpairs(gvhd1, aes(col = kMeansCluster),
        upper = list(continuous = "density"))

预测新数据

newCell <- tibble(CD4 = 510, CD8b = 26, CD3 = 500, CD8 = 122) %>% 
  scale(center = attr(gvhd1scale,"scaled:center"),
        scale = attr(gvhd1scale, "scaled:scale")) %>%  
  as_tibble()
predict(tunedKMeansModel, newdata = newCell)

https://blog.csdn.net/hfutxiaoguozhi/article/details/78828047

二、DBSCAN

数据包
library("tidyverse")
library("mlr")
library("GGally")
library("dbscan")
library("fpc")

【例题】

数据及超参数范围
data(banknote, package = "mclust")
bnTib <- select(banknote, -Status) %>% as_tibble()
bnScaled <- bnTib %>% scale()
ggpairs(bnTib, upper = list(continuous = "density"))

kNNdistplot(bnScaled, k = 5)
abline(h = c(1.2, 2.0))
dbsParSpace <- expand.grid(eps = seq(1.2, 2.0, 0.1), minPts = 1:9)
bnDbs <- pmap(dbsParSpace, dbscan, x = bnScaled)
bnDbs[[11]]

三、OPTICS

考试重点:
1、可视化:对数据变形
2、降维
3、聚类(调参)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,372评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,368评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,415评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,157评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,171评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,125评论 1 297
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,028评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,887评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,310评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,533评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,690评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,411评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,004评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,659评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,812评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,693评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,577评论 2 353

推荐阅读更多精彩内容