2

我正在尝试使用 YellowBrick 的 KElbowVisualizer 和 SKLearn 的期望最大化算法类：GaussianMixture 为我的数据可视化肘部图。

当我运行它时，我得到标题中的错误。（我也尝试过 ClassificationReport，但也失败了）

model = GaussianMixture()

data = get_data(data_name, preprocessor_name, train_split=0.75)
X, y, x_test, y_test = data

visualizer = KElbowVisualizer(model, k=(4,12))
visualizer.fit(X)        # Fit the data to the visualizer
visualizer.show()        # Finalize and render the figure

我在 YellowBrick 中找不到任何东西来帮助我估计期望最大化的组件数量。

4

3 回答 3

12

Yellowbrick使用 sklearn 估计器类型检查来确定模型是否非常适合可视化。您可以使用force_model参数绕过类型检查（尽管似乎KElbow需要使用此更新文档）。

然而，即使force_model=True让你通过YellowbrickTypeError它仍然不意味着它GaussianMixture适用于KElbow. 这是因为肘部可视化器设置为与质心聚类 API 一起使用，并且需要n_clusters超参数和labels_学习参数。期望最大化模型不支持此 API。

但是，可以围绕高斯混合模型创建一个包装器，使其能够与肘部可视化器一起使用（并且类似的方法也可以用于分类报告）。

from sklearn.base import ClusterMixin
from sklearn.mixture import GaussianMixture
from yellowbrick.cluster import KElbow
from yellowbrick.datasets import load_nfl

class GMClusters(GaussianMixture, ClusterMixin):

    def __init__(self, n_clusters=1, **kwargs):
        kwargs["n_components"] = n_clusters
        super(GMClusters, self).__init__(**kwargs)

    def fit(self, X):
        super(GMClusters, self).fit(X)
        self.labels_ = self.predict(X)
        return self 


X, _ = load_nfl()
oz = KElbow(GMClusters(), k=(4,12), force_model=True)
oz.fit(X)
oz.show()

这确实会产生一个 KElbow 图（尽管对于这个特定的数据集来说不是一个很好的图）：

带有失真分数的 KElbow

另一个答案提到了 Calinksi Harabasz 分数，您可以在KElbow可视化器中使用它，如下所示：

oz = KElbow(GMClusters(), k=(4,12), metric='calinski_harabasz', force_model=True)
oz.fit(X)
oz.show()

创建包装器并不理想，但对于不适合标准分类器或集群器 sklearn API 的模型类型，它们通常是必要的，并且对于许多 ML 任务来说，这是一个很好的策略。

于 2019-11-09T13:28:24.677 回答
2

基于@bbengfort 的出色回答，我使用了：

class GaussianMixtureCluster(GaussianMixture, ClusterMixin):
    """Subclass of GaussianMixture to make it a ClusterMixin."""

    def fit(self, X):
        super().fit(X)
        self.labels_ = self.predict(X)
        return self

    def get_params(self, **kwargs):
        output = super().get_params(**kwargs)
        output["n_clusters"] = output.get("n_components", None)
        return output

    def set_params(self, **kwargs):
        kwargs["n_components"] = kwargs.pop("n_clusters", None)
        return super().set_params(**kwargs)

这使您可以使用任何评分指标，并与最新版本的 YellowBrick 一起使用。

于 2021-03-31T05:28:47.463 回答
2

您可以使用 sklearn - 请参阅此处calinski_harabasz_score的相关文档。

scores = pd.DataFrame()
components = 100
for n in range(2,components):
    model = GaussianMixture(n_components=n)
    y = model.fit_predict(X)
    scores.loc[n,'score'] = calinski_harabasz_score(X,y)
plt.plot(scores.reset_index()['index'],scores['score'])

像这样的东西应该提供类似的功能。

于 2019-10-31T21:33:24.380 回答