MeanShift

classsklearn.cluster.MeanShift(*, bandwidth=None, seeds=None, bin_seeding=False, min_bin_freq=1, cluster_all=True, n_jobs=None, max_iter=300)[исходный код]

Кластеризация методом MeanShift с использованием плоского ядра.

Кластеризация методом MeanShift предназначена для обнаружения «скоплений» в сглаженной плотности выборки. Это алгоритм на основе центроидов, который обновляет предполагаемые центроиды, вычисляя среднее значение точек в заданной области. Затем эти кандидаты фильтруются на этапе постобработки, чтобы удалить близкие дубликаты и сформировать итоговый набор центроидов.

Для масштабируемости начальные точки выбираются с помощью биннинга.

Пример использования кластеризации MeanShift см. в разделе: Демонстрация алгоритма кластеризации MeanShift.

Подробнее см. в Руководстве пользователя.

Параметры:

bandwidthfloat, по умолчанию=None

Ширина полосы, используемая в плоском ядре.

Если не задана, ширина полосы оценивается с помощью sklearn.cluster.estimate_bandwidth; рекомендации по масштабируемости см. в документации этой функции (а также в примечаниях ниже).

seedsarray-like формы (n_samples, n_features), по умолчанию=None

Начальные точки, используемые для инициализации ядер. Если не заданы, начальные точки вычисляются с помощью clustering.get_bin_seeds с шириной полосы в качестве размера сетки и значениями по умолчанию для остальных параметров.

bin_seedingbool, по умолчанию=False

Если значение равно True, начальные положения ядер задаются не положениями всех точек, а положениями дискретизированных точек, где точки распределяются по сетке с шагом, соответствующим ширине полосы. Установка этого параметра в True ускоряет работу алгоритма, поскольку инициализируется меньше начальных точек. Значение по умолчанию — False. Игнорируется, если аргумент seeds не равен None.

min_bin_freqint, по умолчанию=1

Для ускорения алгоритма использовать в качестве начальных точек только те ячейки, в которых находится не менее min_bin_freq точек.

cluster_allbool, по умолчанию=True

Если значение равно True, кластеризуются все точки, включая выбросы, не попавшие ни в одно ядро. Выбросы относятся к ближайшему ядру. Если значение равно False, выбросам присваивается метка кластера -1.

n_jobsint, по умолчанию=None

Количество заданий для вычислений. Параллельное выполнение ускоряет следующие задачи:

• Поиск ближайших соседей для оценки ширины полосы и присвоения меток. Подробнее см. в строке документации класса NearestNeighbors.
• Оптимизация методом подъёма в гору для всех начальных точек.

Подробнее см. в глоссарии.

None означает 1, кроме случаев, когда используется контекст joblib.parallel_backend. -1 означает использование всех процессоров. Подробнее см. в глоссарии.

max_iterint, по умолчанию=300

Максимальное число итераций для каждой начальной точки, после которого кластеризация для этой точки завершается, если сходимость ещё не достигнута.

Добавлено в версии 0.22.

Атрибуты:

cluster_centers_ndarray формы (n_clusters, n_features)

Координаты центров кластеров.

labels_ndarray формы (n_samples,)

Метки каждой точки.

n_iter_int

Максимальное число итераций, выполненных для каждой начальной точки.

Добавлено в версии 0.22.

n_features_in_int

Количество признаков, обнаруженных во время обучения.

Добавлено в версии 0.24.

feature_names_in_ndarray формы (n_features_in_,)

Названия признаков, обнаруженные во время обучения. Определяется только в том случае, если X содержит названия признаков, все из которых являются строками.

Добавлено в версии 1.0.

См. также

KMeans

Кластеризация методом K-средних.

Примечания

Масштабируемость:

Поскольку в этой реализации используются плоское ядро и Ball Tree для поиска элементов каждого ядра, в пространствах малой размерности сложность стремится к O(T*n*log(n)), где n — число образцов, а T — число точек. В пространствах высокой размерности сложность стремится к O(T*n^2).

Масштабируемость можно повысить, используя меньше начальных точек, например, увеличив значение min_bin_freq в функции get_bin_seeds.

Обратите внимание, что функция estimate_bandwidth значительно хуже масштабируется, чем алгоритм MeanShift, и станет узким местом, если её использовать.

Ссылки

Dorin Comaniciu и Peter Meer, «Mean Shift: A robust approach toward feature space analysis». IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. С. 603–619.

Примеры

>>> from sklearn.cluster import MeanShift
>>> import numpy as np
>>> X = np.array([[1, 1], [2, 1], [1, 0],
...               [4, 7], [3, 5], [3, 6]])
>>> clustering = MeanShift(bandwidth=2).fit(X)
>>> clustering.labels_
array([1, 1, 1, 0, 0, 0])
>>> clustering.predict([[0, 0], [5, 5]])
array([1, 0])
>>> clustering
MeanShift(bandwidth=2)

Сравнение кластеризации MeanShift с другими алгоритмами кластеризации см. в разделе Сравнение различных алгоритмов кластеризации на искусственных наборах данных

fit(X, y=None)[исходный код]

Выполнить кластеризацию.

Параметры:

Xarray-like формы (n_samples, n_features)

Образцы для кластеризации.

yИгнорируется

Не используется; присутствует для согласованности API согласно общепринятому соглашению.

Возвращает:

selfobject

Обученный экземпляр.

fit_predict(X, y=None, **kwargs)[исходный код]

Выполнить кластеризацию для X и вернуть метки кластеров.

Параметры:

Xarray-like формы (n_samples, n_features)

Входные данные.

yИгнорируется

Не используется; присутствует для согласованности API согласно общепринятому соглашению.

**kwargsdict

Аргументы, передаваемые в fit.

Добавлено в версии 1.4.

Возвращает:

labelsndarray формы (n_samples,), dtype=np.int64

Метки кластеров.

get_metadata_routing()[исходный код]

Получить маршрутизацию метаданных этого объекта.

О том, как работает механизм маршрутизации, см. в Руководстве пользователя.

Возвращает:

routingMetadataRequest

Объект MetadataRequest, содержащий сведения о маршрутизации.

get_params(deep=True)[исходный код]

Получить параметры этого оценщика.

Параметры:

deepbool, по умолчанию=True

Если значение равно True, будут возвращены параметры этого оценщика и содержащихся в нём объектов-оценщиков.

Возвращает:

paramsdict

Имена параметров и соответствующие им значения.

predict(X)[исходный код]

Предсказать, к какому ближайшему кластеру относится каждый образец в X.

Параметры:

Xarray-like формы (n_samples, n_features)

Новые данные для предсказания.

Возвращает:

labelsndarray формы (n_samples,)

Индекс кластера, к которому относится каждый образец.

set_params(**params)[исходный код]

Задать параметры этого оценщика.

Метод работает как с простыми оценщиками, так и с вложенными объектами (например, Pipeline). Параметры последних имеют вид <component>__<parameter>, что позволяет обновлять каждый компонент вложенного объекта.

Параметры:

**paramsdict

Параметры оценщика.

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

Примеры из галереи

Сравнение различных алгоритмов кластеризации на искусственных наборах данных

Демонстрация алгоритма кластеризации MeanShift