python - 监督机器学习：根据形状和密度对数据集群类型进行分类（Python）

Question

我有多组数据，在每组数据中都有一个有点香蕉形的区域和两个密集的斑点区域。我已经能够使用 DBSCAN 算法将这些区域与其余数据区分开来，但我想使用监督算法让程序知道哪个簇是香蕉，哪两个簇是密集的斑点，我不知道从哪里开始。

由于有 3 个类别（香蕉、斑点，两者都不是），做两个单独的逻辑回归是否是最好的方法（评估它是香蕉还是非香蕉，以及它是 Blob 还是非 Blob）？还是有一种将所有 3 个类别合并到一个神经网络中的好方法？

这是三个数据集。在每一个中，香蕉都是红色的。第一个，两个斑点是绿色和蓝色，第二个斑点是青色和绿色，第三个斑点是蓝色和绿色。我希望程序能够（现在已经区分了不同的区域，然后标记香蕉和 blob 区域，这样我就不必每次运行代码时都手动选择它们。

数据集 1 数据集 2 数据集 3

score 2 · Accepted Answer

在您使用python时，最好的选择之一是从一些大型库开始，提供许多不同的方法，以便您可以选择最适合您的方法。此类库之一是sklearn http://scikit-learn.org/stable/。

回到问题本身。您应该尝试哪些模型？

支持向量机——这个模型已经存在了一段时间，并成为许多领域的黄金标准，主要是由于其优雅的数学解释和易用性（例如，它比经典神经网络要担心的参数要少得多）。它是一个二元分类模型，但库会自动为您创建一个多分类器版本
决策树 - 非常容易理解，但创建了相当“粗略”的决策边界
随机森林 - 经常在更多统计社区中使用的模型，
K-nearest neighours - 最简单的方法，但如果您可以如此轻松地定义数据的形状，它将提供非常好的结果，同时保持非常容易理解

当然还有很多其他的，但我建议从这些开始。它们都支持多类分类，因此您不必担心如何对三个类的问题进行编码，只需以两个矩阵的形式创建数据，x输入值y在哪里，并且是对应类的向量（例如数字从到)。xy13

库中不同分类器的可视化：

分类器比较

所以如何表示一个簇的形状仍然是一个问题——我们需要一个固定长度的实值向量，那么特征实际上可以表示什么？

描述一些描述符以及如何使它们缩放/位置/旋转不变（如果在这里相关）

score 0 · Accepted Answer

我相信你仍然不清楚你想要实现什么。

这当然很难给你一个好的答案。

您的数据似乎是 3D 的。例如，在 3D 中，您可以计算集群的 alpha 形状，并检查它是否是凸的。因为你的“香蕉”可能不是凸的，而你的斑点是。

您还可以测量例如集群中心是否真的在您的集群内。如果不是，则集群不是 blob。您可以测量沿三个轴的延伸是否相同。

但最后，你需要一些“香蕉”的概念。

score 0 · Accepted Answer

如果神经网络有帮助，“pybrain”库可能是最好的。

您可以将神经网络设置为前馈网络。设置它，以便为您希望数据包含的每一类对象都有一个输出。

编辑：对不起，如果我完全误解了这个问题。我假设您有预先存在的数据，您可以提供这些数据来训练网络以区分集群。

如果有 3 个类别，您可以为 NN 提供 3 个输出，或者每个类别可能只有一个 NN，仅输出真值或假值。

3 回答 3