11

我需要在事先不知道集群数量的情况下执行集群。集群的数量可能从 1 到 5，因为我可能会发现所有样本属于同一个实例或属于有限数量的组的情况。我认为亲和力传播可能是我的选择，因为我可以通过设置偏好参数来控制集群的数量。但是，如果我有一个人工生成的单个集群，并且我将偏好设置为节点之间的最小欧几里德距离（以最小化集群的数量），那么我对集群的感觉会很糟糕。

"""
=================================================
Demo of affinity propagation clustering algorithm
=================================================

Reference:
Brendan J. Frey and Delbert Dueck, "Clustering by Passing Messages
Between Data Points", Science Feb. 2007

"""
print(__doc__)
import numpy as np
from sklearn.cluster import AffinityPropagation
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
from scipy.spatial.distance import pdist

##############################################################################
# Generate sample data
centers = [[0,0],[1,1]]
X, labels_true = make_blobs(n_samples=300, centers=centers, cluster_std=0.5,
                            random_state=0)
init = np.min(pdist(X))

##############################################################################
# Compute Affinity Propagation
af = AffinityPropagation(preference=init).fit(X)
cluster_centers_indices = af.cluster_centers_indices_
labels = af.labels_

n_clusters_ = len(cluster_centers_indices)

print('Estimated number of clusters: %d' % n_clusters_)
print("Homogeneity: %0.3f" % metrics.homogeneity_score(labels_true, labels))
print("Completeness: %0.3f" % metrics.completeness_score(labels_true, labels))
print("V-measure: %0.3f" % metrics.v_measure_score(labels_true, labels))
print("Adjusted Rand Index: %0.3f"
      % metrics.adjusted_rand_score(labels_true, labels))
print("Adjusted Mutual Information: %0.3f"
      % metrics.adjusted_mutual_info_score(labels_true, labels))
print("Silhouette Coefficient: %0.3f"
      % metrics.silhouette_score(X, labels, metric='sqeuclidean'))

##############################################################################
# Plot result
import matplotlib.pyplot as plt
from itertools import cycle

plt.close('all')
plt.figure(1)
plt.clf()

colors = cycle('bgrcmykbgrcmykbgrcmykbgrcmyk')
for k, col in zip(range(n_clusters_), colors):
    class_members = labels == k
    cluster_center = X[cluster_centers_indices[k]]
    plt.plot(X[class_members, 0], X[class_members, 1], col + '.')
    plt.plot(cluster_center[0], cluster_center[1], 'o', markerfacecolor=col,
             markeredgecolor='k', markersize=14)
    for x in X[class_members]:
        plt.plot([cluster_center[0], x[0]], [cluster_center[1], x[1]], col)

plt.title('Estimated number of clusters: %d' % n_clusters_)
plt.show()

在此处输入图像描述

我使用 Affinity Propagation 的方法有什么缺陷吗？相反，Affinity Propagation 不适合这项任务，所以我应该使用其他东西吗？

4

3 回答 3

14

不，没有缺陷。AP 不使用距离，但需要您指定相似度。我不太了解 scikit 实现，但根据我的阅读，它默认使用负平方欧几里德距离来计算相似度矩阵。如果您将输入偏好设置为最小欧几里得距离，您会得到一个正值，而所有相似性都是负值。因此，这通常会产生与样本一样多的集群（注意：输入偏好越高，集群越多）。我宁愿建议将输入偏好设置为最小负平方距离，即 -1 乘以最大距离的平方数据集中的距离。这将为您提供更少数量的集群，但不一定是一个集群。我不知道在 scikit 实现中是否也存在 preferenceRange() 函数。AP主页上有Matlab代码，它也在我维护的R包'apcluster'中实现。此函数允许确定输入首选项参数的有意义的界限。我希望这会有所帮助。

于 2015-10-23T08:26:44.497 回答
0

您可以通过指定最低首选项来控制它，但不确定是否会找到单个集群。

而且，我建议您不要创建单个集群，因为它会产生错误，因为某些数据不能相同或与示例相似，但您提供了最低偏好，以便 AP 将提交错误。

于 2016-12-24T07:08:09.820 回答
0

您还可以通过使用中心样本第二次运行算法或手动合并最相似的样本来将集群合并在一起。所以你可以迭代地合并最近的集群，直到你得到你的号码，使偏好的选择更容易，因为你可以选择任何会产生相当数量的集群的东西（当我尝试时，这工作得很好）。

于 2019-11-16T01:00:00.677 回答