Введение
В этом руководстве показано, как использовать агломерацию признаков для объединения похожих признаков в наборе данных. Агломерация признаков полезна при работе с высокомерными наборами данных, так как позволяет уменьшить количество признаков, сохраняя при этом наиболее важную информацию.
Советы по работе с ВМ
После запуска ВМ щелкните в левом верхнем углу, чтобы переключиться на вкладку Ноутбук и получить доступ к Jupyter Notebook для практики.
Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook не загрузится полностью. Проверка операций не может быть автоматизирована из-за ограничений Jupyter Notebook.
Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.
Импорт библиотек
В этом шаге мы импортируем необходимые библиотеки для выполнения агломерации признаков.
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets, cluster
from sklearn.feature_extraction.image import grid_to_graph
Загрузка набора данных
В этом шаге мы загрузим набор данных digits из scikit - learn. Этот набор данных содержит изображения рукописных цифр от 0 до 9.
digits = datasets.load_digits()
images = digits.images
X = np.reshape(images, (len(images), -1))
Определение матрицы связности
В этом шаге мы определим матрицу связности с использованием функции grid_to_graph из scikit - learn. Эта функция создает связный граф на основе пиксельной сетки изображений.
connectivity = grid_to_graph(*images[0].shape)
Выполнить агломерацию признаков
В этом шаге мы выполним агломерацию признаков с использованием класса FeatureAgglomeration из scikit - learn. Мы установим количество кластеров равным 32.
agglo = cluster.FeatureAgglomeration(connectivity=connectivity, n_clusters=32)
agglo.fit(X)
X_reduced = agglo.transform(X)
Обратное преобразование
В этом шаге мы выполним обратное преобразование для уменьшенного набора данных, чтобы восстановить исходное количество признаков.
X_restored = agglo.inverse_transform(X_reduced)
images_restored = np.reshape(X_restored, images.shape)
Визуализация результатов
В этом шаге мы визуализируем исходные изображения, агломерированные изображения и метки, присвоенные каждому кластеру.
plt.figure(1, figsize=(4, 3.5))
plt.clf()
plt.subplots_adjust(left=0.01, right=0.99, bottom=0.01, top=0.91)
for i in range(4):
plt.subplot(3, 4, i + 1)
plt.imshow(images[i], cmap=plt.cm.gray, vmax=16, interpolation="nearest")
plt.xticks(())
plt.yticks(())
if i == 1:
plt.title("Original data")
plt.subplot(3, 4, 4 + i + 1)
plt.imshow(images_restored[i], cmap=plt.cm.gray, vmax=16, interpolation="nearest")
if i == 1:
plt.title("Agglomerated data")
plt.xticks(())
plt.yticks(())
plt.subplot(3, 4, 10)
plt.imshow(
np.reshape(agglo.labels_, images[0].shape),
interpolation="nearest",
cmap=plt.cm.nipy_spectral,
)
plt.xticks(())
plt.yticks(())
plt.title("Labels")
plt.show()
Резюме
В этом руководстве мы узнали, как использовать агломерацию признаков для объединения похожих признаков в наборе данных. Снижая количество признаков, мы можем повысить производительность алгоритмов машинного обучения, сохраняя при этом наиболее важную информацию в наборе данных.