Algoritmo de Agrupamiento Mean-Shift

Introducción

Esta práctica te guiará a través del proceso de implementación del algoritmo de agrupamiento Mean-Shift utilizando la librería Scikit-learn en Python. Aprenderás a generar datos de muestra, calcular el agrupamiento con MeanShift y graficar los resultados.

Consejos sobre la VM

Una vez que se haya iniciado la VM, haz clic en la esquina superior izquierda para cambiar a la pestaña Notebook y acceder a Jupyter Notebook para practicar.

A veces, es posible que tengas que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de operaciones no puede automatizarse debido a las limitaciones de Jupyter Notebook.

Si tienes problemas durante el aprendizaje, no dudes en preguntar a Labby. Proporciona retroalimentación después de la sesión y resolveremos rápidamente el problema para ti.

Importar las bibliotecas necesarias

En primer lugar, necesitamos importar las bibliotecas necesarias: numpy, sklearn.cluster, sklearn.datasets y matplotlib.pyplot.

import numpy as np
from sklearn.cluster import MeanShift, estimate_bandwidth
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

Generar datos de muestra

A continuación, generaremos datos de muestra utilizando la función make_blobs del módulo sklearn.datasets. Crearemos un conjunto de datos con 10.000 muestras y tres clusters con centros en [[1, 1], [-1, -1], [1, -1]] y una desviación estándar de 0,6.

centers = [[1, 1], [-1, -1], [1, -1]]
X, _ = make_blobs(n_samples=10000, centers=centers, cluster_std=0.6)

Calcular el agrupamiento con MeanShift

Ahora calcularemos el agrupamiento utilizando el algoritmo Mean-Shift con la clase MeanShift del módulo sklearn.cluster. Utilizaremos la función estimate_bandwidth para detectar automáticamente el parámetro de ancho de banda, que representa el tamaño de la región de influencia para cada punto.

bandwidth = estimate_bandwidth(X, quantile=0.2, n_samples=500)
ms = MeanShift(bandwidth=bandwidth, bin_seeding=True)
ms.fit(X)
labels = ms.labels_
cluster_centers = ms.cluster_centers_

Graficar los resultados

Finalmente, graficaremos los resultados utilizando la librería matplotlib.pyplot. Utilizaremos diferentes colores y marcadores para cada cluster, y también graficaremos los centros de los clusters.

plt.figure(1)
plt.clf()

colors = ["#dede00", "#377eb8", "#f781bf"]
markers = ["x", "o", "^"]

for k, col in zip(range(n_clusters_), colors):
    my_members = labels == k
    cluster_center = cluster_centers[k]
    plt.plot(X[my_members, 0], X[my_members, 1], markers[k], color=col)
    plt.plot(
        cluster_center[0],
        cluster_center[1],
        markers[k],
        markerfacecolor=col,
        markeredgecolor="k",
        markersize=14,
    )
plt.title("Estimated number of clusters: %d" % n_clusters_)
plt.show()

Resumen

En este laboratorio, aprendimos cómo implementar el Algoritmo de Agrupamiento Mean-Shift utilizando la librería Scikit-learn en Python. Generamos datos de muestra, calculamos el agrupamiento con MeanShift y graficamos los resultados. Al final de este laboratorio, deberías tener una mejor comprensión de cómo utilizar el algoritmo Mean-Shift para agrupar datos.