Machine Learning | Clustering-Algorithmen | K-Means vs MiniBatchKMeans

Einführung

In diesem Lab werden wir zwei Clustering-Algorithmen vergleichen: K-Means und MiniBatchKMeans. K-Means ist ein populärer Clustering-Algorithmus, der in der Machine Learning weit verbreitet ist. MiniBatchKMeans ist eine Variante von K-Means, die schneller ist, aber leicht unterschiedliche Ergebnisse liefert. Wir werden eine Menge an Daten mit beiden Algorithmen clusteren und die Ergebnisse darstellen. Wir werden auch die Punkte darstellen, die zwischen den beiden Algorithmen unterschiedlich markiert sind.

VM-Tipps

Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Die Daten generieren

Wir beginnen mit der Erzeugung der Blobs von Daten, die gruppiert werden sollen.

import numpy as np
from sklearn.datasets import make_blobs

np.random.seed(0)

batch_size = 45
centers = [[1, 1], [-1, -1], [1, -1]]
n_clusters = len(centers)
X, labels_true = make_blobs(n_samples=3000, centers=centers, cluster_std=0.7)

Clustering mit KMeans berechnen

Wir werden das Clustering mit KMeans berechnen.

import time
from sklearn.cluster import KMeans

k_means = KMeans(init="k-means++", n_clusters=3, n_init=10)
t0 = time.time()
k_means.fit(X)
t_batch = time.time() - t0

Clustering mit MiniBatchKMeans berechnen

Wir werden das Clustering mit MiniBatchKMeans berechnen.

from sklearn.cluster import MiniBatchKMeans

mbk = MiniBatchKMeans(
    init="k-means++",
    n_clusters=3,
    batch_size=batch_size,
    n_init=10,
    max_no_improvement=10,
    verbose=0,
)
t0 = time.time()
mbk.fit(X)
t_mini_batch = time.time() - t0

Herstellen der Parität zwischen Clustern

Wir möchten die gleichen Cluster bei beiden Algorithmen, MiniBatchKMeans und KMeans, die gleiche Farbe haben. Ordnen wir die Clusterzentren anhand der nächsten Nachbarn zu.

from sklearn.metrics.pairwise import pairwise_distances_argmin

k_means_cluster_centers = k_means.cluster_centers_
order = pairwise_distances_argmin(k_means.cluster_centers_, mbk.cluster_centers_)
mbk_means_cluster_centers = mbk.cluster_centers_[order]

k_means_labels = pairwise_distances_argmin(X, k_means_cluster_centers)
mbk_means_labels = pairwise_distances_argmin(X, mbk_means_cluster_centers)

Die Ergebnisse plotten

Wir werden die Ergebnisse plotten.

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8, 3))
fig.subplots_adjust(left=0.02, right=0.98, bottom=0.05, top=0.9)
colors = ["#4EACC5", "#FF9C34", "#4E9A06"]

## KMeans
ax = fig.add_subplot(1, 3, 1)
for k, col in zip(range(n_clusters), colors):
    my_members = k_means_labels == k
    cluster_center = k_means_cluster_centers[k]
    ax.plot(X[my_members, 0], X[my_members, 1], "w", markerfacecolor=col, marker=".")
    ax.plot(
        cluster_center[0],
        cluster_center[1],
        "o",
        markerfacecolor=col,
        markeredgecolor="k",
        markersize=6,
    )
ax.set_title("KMeans")
ax.set_xticks(())
ax.set_yticks(())
plt.text(-3.5, 1.8, "train time: %.2fs\ninertia: %f" % (t_batch, k_means.inertia_))

## MiniBatchKMeans
ax = fig.add_subplot(1, 3, 2)
for k, col in zip(range(n_clusters), colors):
    my_members = mbk_means_labels == k
    cluster_center = mbk_means_cluster_centers[k]
    ax.plot(X[my_members, 0], X[my_members, 1], "w", markerfacecolor=col, marker=".")
    ax.plot(
        cluster_center[0],
        cluster_center[1],
        "o",
        markerfacecolor=col,
        markeredgecolor="k",
        markersize=6,
    )
ax.set_title("MiniBatchKMeans")
ax.set_xticks(())
ax.set_yticks(())
plt.text(-3.5, 1.8, "train time: %.2fs\ninertia: %f" % (t_mini_batch, mbk.inertia_))

## Initialize the different array to all False
different = mbk_means_labels == 4
ax = fig.add_subplot(1, 3, 3)

for k in range(n_clusters):
    different += (k_means_labels == k)!= (mbk_means_labels == k)

identical = np.logical_not(different)
ax.plot(X[identical, 0], X[identical, 1], "w", markerfacecolor="#bbbbbb", marker=".")
ax.plot(X[different, 0], X[different, 1], "w", markerfacecolor="m", marker=".")
ax.set_title("Difference")
ax.set_xticks(())
ax.set_yticks(())

plt.show()

Zusammenfassung

In diesem Lab haben wir gelernt, wie man zwei Clustering-Algorithmen vergleicht: K-Means und MiniBatchKMeans. Wir haben eine Datensatz mit beiden Algorithmen clustert und die Ergebnisse geplottet. Wir haben auch die Punkte geplottet, die bei den beiden Algorithmen unterschiedlich markiert sind. Dieser Vergleich hilft uns, die Unterschiede zwischen den beiden Algorithmen zu verstehen und denjenigen auszuwählen, der am besten unseren Anforderungen entspricht.

Vergleich von K-Means und MiniBatchKMeans